TensorFlow函數(shù)教程：tf.nn.space_to_batch

tf.nn.space_to_batch函數(shù)

別名：

• tf.nn.space_to_batch
• tf.space_to_batch

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

定義在：tensorflow/python/ops/array_ops.py。

類型為T的4-D張量的SpaceToBatch。

這是更通用的SpaceToBatchND的遺留版本。

零填充然后將空間數(shù)據(jù)的塊重新排列（置換）為批處理。更具體地說，該操作輸出輸入張量的副本，其中來自height和width維度的值被移動到batch維度。在零填充之后，輸入的兩個height和width必須可以被塊大小整除。

參數(shù)：

• input：一個4-D Tensor，shape為[batch, height, width, depth]。
• paddings：一個Tensor。必須是以下類型之一：int32，int64。是shape為[2, 2]的非負整數(shù)的2-D張量。它在空間維度上用零指定輸入的填充，如下所示：

  paddings = [[pad_top, pad_bottom], [pad_left, pad_right]]

  零填充輸入張量的有效空間維度將是：

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

  
  

  attr block_size必須大于1。它表示塊大小。

  • height和width維度中大小為block_size x block size的非重疊塊將重新排列到每個位置的批處理維度中。
  • 輸出張量的批處理是batch * block_size * block_size。
  • height_pad和width_pad都必須可被block_size整除。
  輸出的shape將是：

  [batch*block_size*block_size, height_pad/block_size, width_pad/block_size,
   depth]

  一些例子：
  （1）對于以下shape為[1, 2, 2, 1]和block_size為2的輸入：

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

  輸出張量具有shape [4, 1, 1, 1]和值：

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

  （2）對于以下shape為[1, 2, 2, 3]和block_size為2的輸入：

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

  輸出張量具有shape [4, 1, 1, 3]和值：

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

  （3）對于以下shape為[1, 4, 4, 1]和block_size為2的輸入：

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

  輸出張量具有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）對于以下shape為[2, 2, 4, 1]和block_size為2的輸入：

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

  輸出張量具有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，該操作對于將atrous卷積減少為regular卷積是有用的。

• block_size：>= 2的int。
• name：操作的名稱（可選）。

返回：

一個Tensor，與input具有相同的類型。