space_to_depth

  • paddle.fluid.layers.space_to_depth(x, blocksize, name=None)[源代码]

该OP对成块的空间数据进行重组，输出一个输入张量的拷贝，其高度和宽度维度上的值移至通道维度。

重组时，依据 blocksize 指明的数据块大小, 对形为 [batch, channel, height, width] 的输入张量进行space_to_depth（广度至深度）运算，生成形为 [batch, channel * blocksize * blocksize, height/blocksize, width/blocksize] 的输出：

  • 在各位置上，不重叠的，大小为 blocksize * blocksize 的块重组入深度depth
  • 输入各个块中的Y, X坐标变为输出张量通道索引的高序部位
  • 输入 channel 需可以被 blocksize 的平方整除
  • 输入的高度和宽度需可以被 blocksize 整除

该OP适用于在卷积间重放缩激活函数，并保持所有的数据。

范例如下：

  1. 给定形状为[1, 1, 4, 4]的输入 x：
  2.   x.data = [[[[1,   2,  5,  6],
  3.               [3,   4,  7,  8],
  4.               [9,  10, 13, 14],
  5.               [11, 12, 15, 16]]]]
  6. 设置 blocksize = 2
  7.  
  8. 得到形状为[1, 4, 2, 2]的输出 out：
  9.   out.data = [[[[1,   2],  [3,  4]],
  10.                [[5,   6],  [7,  8]],
  11.                [[9,  10], [11, 12]],
  12.                [[13, 14], [15, 16]]]]
  • 参数:
    • x (Variable) – 输入，形状为 [batch, channel, height, width] 的4维Tensor或LoD Tensor。数据类型支持int32，int64，float32或float64。
    • blocksize (int) – 在每个特征图上选择元素时采用的块大小，应该 >= 2
    • name (str，可选) - 具体用法请参见 Name ，一般无需设置，默认值为None。

返回：输出，形状为 [batch, channel * blocksize * blocksize, height/blocksize, width/blocksize] 的4维Tensor或LoD Tensor。数据类型与输入 x 一致。

返回类型：Variable

  • 抛出异常：
    • TypeError - blocksize 必须是int64类型

代码示例

  1. import paddle.fluid as fluid
  2. import numpy as np
  3.  
  4. data = fluid.data(
  5.     name='data', shape=[1, 4, 2, 2], dtype='float32')
  6. space_to_depthed = fluid.layers.space_to_depth(
  7.     x=data, blocksize=2)
  8.  
  9. exe = fluid.Executor(fluid.CPUPlace())
  10. data_np = np.arange(0,16).reshape((1,4,2,2)).astype('float32')
  11.  
  12. print(data_np)
  13. #array([[[[ 0.,  1.], [ 2.,  3.]],
  14. #         [[ 4.,  5.], [ 6.,  7.]],
  15. #         [[ 8.,  9.], [10., 11.]],
  16. #         [[12., 13.], [14., 15.]]]], dtype=float32)
  17.  
  18. out_main = exe.run(fluid.default_main_program(),
  19.               feed={'data': data_np},
  20.               fetch_list=[space_to_depthed])
  21.  
  22. print(out_main)
  23. #[array([[[[ 0.]], [[ 4.]], [[ 1.]], [[ 5.]],
  24. #         [[ 8.]], [[12.]], [[ 9.]], [[13.]],
  25. #         [[ 2.]], [[ 6.]], [[ 3.]], [[ 7.]],
  26. #         [[10.]], [[14.]], [[11.]], [[15.]]]], dtype=float32)]