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：

         给定形状为[1, 1, 4, 4]的输入 x：
  x.data = [[[[1,   2,  5,  6],
              [3,   4,  7,  8],
              [9,  10, 13, 14],
              [11, 12, 15, 16]]]]
设置 blocksize = 2

得到形状为[1, 4, 2, 2]的输出 out：
  out.data = [[[[1,   2],  [3,  4]],
               [[5,   6],  [7,  8]],
               [[9,  10], [11, 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¶

          import paddle.fluid as fluid
import numpy as np
import numpy as np
import paddle

paddle.enable_static()
data = fluid.data(
    name='data', shape=[1, 4, 2, 2], dtype='float32')
space_to_depthed = fluid.layers.space_to_depth(
    x=data, blocksize=2)

exe = fluid.Executor(fluid.CPUPlace())
data_np = np.arange(0,16).reshape((1,4,2,2)).astype('float32')

print(data_np)
#array([[[[ 0.,  1.], [ 2.,  3.]],
#        [[ 4.,  5.], [ 6.,  7.]],
#        [[ 8.,  9.], [10., 11.]],
#        [[12., 13.], [14., 15.]]]], dtype=float32)

out_main = exe.run(fluid.default_main_program(),
            feed={'data': data_np},
            fetch_list=[space_to_depthed])

print(out_main)
#[array([[[[ 0.]], [[ 4.]], [[ 1.]], [[ 5.]],
#         [[ 8.]], [[12.]], [[ 9.]], [[13.]],
#         [[ 2.]], [[ 6.]], [[ 3.]], [[ 7.]],
#         [[10.]], [[14.]], [[11.]], [[15.]]]], dtype=float32)]

         