阅读(3.7k) 书签 (0)

TensorFlow函数教程:tf.nn.space_to_batch

2019-02-12 18:05 更新

tf.nn.space_to_batch函数

别名:

  • tf.nn.space_to_batch
  • tf.space_to_batch
tf.nn.space_to_batch(
    input,
    paddings,
    block_size,
    name=None
)

定义在:tensorflow/python/ops/array_ops.py。

类型为T的4-D张量的SpaceToBatch。

这是更通用的SpaceToBatchND的遗留版本。

零填充然后将空间数据的块重新排列(置换)为批处理。更具体地说,该操作输出输入张量的副本,其中来自height和width维度的值被移动到batch维度。在零填充之后,输入的两个height和width必须可以被块大小整除。

参数:

  • input:一个4-D Tensor,shape为[batch, height, width, depth]。
  • paddings:一个Tensor。必须是以下类型之一:int32,int64。是shape为[2, 2]的非负整数的2-D张量。它在空间维度上用零指定输入的填充,如下所示:
    paddings = [[pad_top, pad_bottom], [pad_left, pad_right]]

    零填充输入张量的有效空间维度将是:

    height_pad = pad_top + height + pad_bottom
    width_pad = pad_left + width + pad_right

    attr block_size必须大于1。它表示块大小。

    • height和width维度中大小为block_size x block size的非重叠块将重新排列到每个位置的批处理维度中。
    • 输出张量的批处理是batch * block_size * block_size。
    • height_pad和width_pad都必须可被block_size整除。
    输出的shape将是:
    [batch*block_size*block_size, height_pad/block_size, width_pad/block_size,
     depth]

    一些例子:
    (1)对于以下shape为[1, 2, 2, 1]和block_size为2的输入:

    x = [[[[1], [2]], [[3], [4]]]]

    输出张量具有shape [4, 1, 1, 1]和值:

    [[[[1]]], [[[2]]], [[[3]]], [[[4]]]]

    (2)对于以下shape为[1, 2, 2, 3]和block_size为2的输入:

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

    输出张量具有shape [4, 1, 1, 3]和值:

    [[[1, 2, 3]], [[4, 5, 6]], [[7, 8, 9]], [[10, 11, 12]]]

    (3)对于以下shape为[1, 4, 4, 1]和block_size为2的输入:

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

    输出张量具有shape [4, 2, 2, 1]和值:

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

    (4)对于以下shape为[2, 2, 4, 1]和block_size为2的输入:

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

    输出张量具有shape[8, 1, 2, 1]和值:

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

    其中,该操作对于将atrous卷积减少为regular卷积是有用的。

  • block_size:>= 2的int。
  • name:操作的名称(可选)。

返回:

一个Tensor,与input具有相同的类型。