SpaceToDepth

T tipi tensörler için SpaceToDepth.

Uzamsal veri bloklarını derinlemesine yeniden düzenler. Daha spesifik olarak, bu işlem, 'yükseklik' ve 'genişlik' boyutlarından gelen değerlerin 'derinlik' boyutuna taşındığı giriş tensörünün bir kopyasını çıkarır. 'block_size' özelliği giriş bloğu boyutunu belirtir.

* "blok_boyutu x blok boyutu" boyutunda örtüşmeyen bloklar, her konumda derinliğe göre yeniden düzenlenir. * Çıkış tensörünün derinliği `blok_boyutu * blok_boyutu * giriş_derinliği`dir. * Girişin her bloğundaki Y, X koordinatları, çıkış kanalı indeksinin yüksek dereceli bileşeni haline gelir. * Giriş tensörünün yüksekliği ve genişliği blok_boyutu'na bölünebilir olmalıdır.

`data_format` özelliği, giriş ve çıkış tensörlerinin düzenini aşağıdaki seçeneklerle belirtir: "NHWC": `[ toplu iş, yükseklik, genişlik, kanallar ]` "NCHW": `[ toplu iş, kanallar, yükseklik, genişlik ]` " NCHW_VECT_C": `qint8 [ toplu iş, kanallar / 4, yükseklik, genişlik, 4 ]'

İşlemi 6-D Tensörün dönüştürülmesi olarak düşünmek faydalıdır. örneğin data_format = NHWC için, Giriş tensöründeki her öğe, bellek düzeni önemini şu şekilde azaltarak sıralanan 6 koordinat aracılığıyla belirtilebilir: n,oY,bY,oX,bX,iC (burada n=toplu indeks, oX, oY, X anlamına gelir) veya çıkış görüntüsü içindeki Y koordinatları, bX, bY giriş bloğu içindeki koordinatlar anlamına gelir, iC giriş kanalları anlamına gelir). Çıktı şu düzene göre aktarılacaktır: n,oY,oX,bY,bX,iC

Bu işlem, örneğin havuzlama yerine, evrişimler arasındaki aktivasyonları yeniden boyutlandırmak (ancak tüm verileri tutmak) için kullanışlıdır. Tamamen evrişimsel modellerin eğitimi için de kullanışlıdır.

Örneğin, "[1, 2, 2, 1]" biçiminde bir girdi verildiğinde, data_format = "NHWC" ve blok_boyutu = 2:

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

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

Daha büyük derinliğe sahip bir giriş tensörü için, burada '[1, 2, 2, 3]' şeklindedir, örneğin

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]]]]