Python tf.batch_to_space用法及代碼示例

N-D T 類型張量的 BatchToSpace。

用法

tf.batch_to_space(
    input, block_shape, crops, name=None
)

參數

input 具有形狀 input_shape = [batch] + spatial_shape + remaining_shape 的 N-D Tensor ，其中 spatial_shape 具有 M 維。
block_shape 形狀為 [M] 的一維 Tensor。必須是以下類型之一：int32 , int64。所有值都必須 >= 1。為了與 TF 1.0 向後兼容，此參數可能是 int，在這種情況下，它會轉換為 numpy.array([block_shape, block_shape], dtype=numpy.int64) 。
crops
二維Tensor有形狀[M, 2].必須是以下類型之一：int32,int64.所有值必須 >= 0。crops[i] = [crop_start, crop_end]指定從輸入維度裁剪的數量i + 1, 對應於空間維度i.要求crop_start[i] + crop_end[i] <= block_shape[i] * input_shape[i + 1].此操作等效於以下步驟：
1. 將 input 重塑為 reshaped of shape:[block_shape[0], ..., block_shape[M-1], batch /prod(block_shape), input_shape[1], ..., input_shape[N-1] ]
2. 置換 reshaped 的尺寸以產生形狀為 [batch /prod(block_shape), input_shape[1], block_shape[0], ..., input_shape[M], block_shape[M-1], input_shape[M] 的 permuted +1], ..., input_shape[N-1]]
3. 重塑 permuted 以生成形狀為 reshaped_permuted [batch /prod(block_shape), input_shape[1] * block_shape[0], ..., input_shape[M] * block_shape[M-1], input_shape[M+1 ], ..., input_shape[N-1]]
4. 根據crops裁剪reshaped_permuted的維度[1, ..., M]的開始和結束以產生shape的輸出：[batch /prod(block_shape), input_shape[1] * block_shape[0] - crop[0,0] - crop[0,1], ..., input_shape[M] * block_shape[M-1] - crop[M-1,0] - crop[M-1,1], input_shape[M+1], . ..，輸入形狀[N-1]]
name 操作的名稱(可選)。

一個Tensor。具有與 input 相同的類型。

此操作將 "batch" 維度 0 重塑為形狀 block_shape + [batch] 的 M + 1 維度，將這些塊交錯回到由空間維度 [1, ..., M] 定義的網格中，以獲得與輸入具有相同等級的結果。然後根據crops 選擇性地裁剪此中間結果的空間維度以生成輸出。這是 SpaceToBatch 的反麵(參見 tf.space_to_batch )。

例子：

對於以下形狀 [4, 1, 1, 1] , block_shape = [2, 2] 和 crops = [[0, 0], [0, 0]] 的輸入：
```
[[[[1]]],
 [[[2]]],
 [[[3]]],
 [[[4]]]]
```
輸出張量的形狀為 [1, 2, 2, 1] 和值：
```
x = [[[[1], [2]],
    [[3], [4]]]]
```
對於以下形狀 [4, 1, 1, 3] , block_shape = [2, 2] 和 crops = [[0, 0], [0, 0]] 的輸入：
```
[[[1,  2,   3]],
 [[4,  5,   6]],
 [[7,  8,   9]],
 [[10, 11, 12]]]
```
輸出張量的形狀為 [1, 2, 2, 3] 和值：
```
x = [[[[1, 2, 3], [4,  5,  6 ]],
      [[7, 8, 9], [10, 11, 12]]]]
```

對於以下形狀 [4, 2, 2, 1] , block_shape = [2, 2] 和 crops = [[0, 0], [0, 0]] 的輸入：

x = [[[[1], [3]], [[ 9], [11]]],
     [[[2], [4]], [[10], [12]]],
     [[[5], [7]], [[13], [15]]],
     [[[6], [8]], [[14], [16]]]]

輸出張量的形狀為 [1, 4, 4, 1] 和值：

x = [[[1],  [2],  [ 3], [ 4]],
     [[5],  [6],  [ 7], [ 8]],
     [[9],  [10], [11], [12]],
     [[13], [14], [15], [16]]]

對於以下形狀 [8, 1, 3, 1] , block_shape = [2, 2] 和 crops = [[0, 0], [2, 0]] 的輸入：

x = [[[[0], [ 1], [ 3]]],
     [[[0], [ 9], [11]]],
     [[[0], [ 2], [ 4]]],
     [[[0], [10], [12]]],
     [[[0], [ 5], [ 7]]],
     [[[0], [13], [15]]],
     [[[0], [ 6], [ 8]]],
     [[[0], [14], [16]]]]

輸出張量的形狀為 [2, 2, 4, 1] 和值：

x = [[[[ 1], [ 2], [ 3], [ 4]],
      [[ 5], [ 6], [ 7], [ 8]]],
     [[[ 9], [10], [11], [12]],
      [[13], [14], [15], [16]]]]

相關用法

注：本文由純淨天空篩選整理自tensorflow.org大神的英文原創作品 tf.batch_to_space。非經特殊聲明，原始代碼版權歸原作者所有，本譯文未經允許或授權，請勿轉載或複製。

用法

參數

返回

例子：