SpaceToDepth

SpaceToDepth untuk tensor tipe T.

Menyusun ulang blok data spasial menjadi lebih mendalam. Lebih khusus lagi, operasi ini menghasilkan salinan tensor masukan di mana nilai dari dimensi `tinggi` dan `lebar` dipindahkan ke dimensi `kedalaman`. Attr `block_size` menunjukkan ukuran blok masukan.

* Blok yang tidak tumpang tindih dengan ukuran `ukuran_blok x ukuran blok` disusun ulang secara mendalam di setiap lokasi. * Kedalaman tensor keluaran adalah `ukuran_blok *ukuran_blok *kedalaman_input`. * Koordinat Y, X dalam setiap blok masukan menjadi komponen tingkat tinggi indeks saluran keluaran. * Tinggi dan lebar tensor masukan harus habis dibagi ukuran_blok.

Attr `data_format` menentukan tata letak tensor masukan dan keluaran dengan opsi berikut: "NHWC": `[ batch, tinggi, lebar, saluran ]` "NCHW": `[ batch, saluran, tinggi, lebar ]` " NCHW_VECT_C": `qint8 [ batch, saluran / 4, tinggi, lebar, 4 ]`

Penting untuk mempertimbangkan operasi ini sebagai transformasi Tensor 6-D. misalnya untuk data_format = NHWC, Setiap elemen dalam tensor masukan dapat ditentukan melalui 6 koordinat, diurutkan dengan mengurangi signifikansi tata letak memori sebagai: n,oY,bY,oX,bX,iC (di mana n=indeks batch, oX, oY berarti X atau koordinat Y dalam gambar keluaran, bX, bY berarti koordinat dalam blok masukan, iC berarti saluran masukan). Outputnya akan berupa transposisi ke tata letak berikut: n,oY,oX,bY,bX,iC

Operasi ini berguna untuk mengubah ukuran aktivasi antar konvolusi (tetapi menyimpan semua data), misalnya, alih-alih mengumpulkan. Hal ini juga berguna untuk melatih model konvolusional murni.

Misalnya, jika diberi masukan bentuk `[1, 2, 2, 1]`, data_format = "NHWC" dan block_size = 2:

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

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

Untuk tensor masukan dengan kedalaman lebih besar, bentuk berikut `[1, 2, 2, 3]`, misalnya

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

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

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

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