spaceToDepth

Перестройте пространственные блоки dlarray данные по измерению глубины

Описание

пример

Y = spaceToDepth(X,blockSize) перестраивает пространственные блоки отформатированного dlarray объект, X, по измерению глубины. Блоки данных имеют размер blockSize.

Учитывая входную карту функции размера [H W C] и блоки размера [height width], выходным размером карты функции является [floor(H/height) floor(W/width) C *высотаwidth.

Эта функция требует Deep Learning Toolbox™.

пример

Y = spaceToDepth(X,blockSize,'DataFormat',dataFormat) перестраивает пространственные блоки бесформатного dlarray объект, X, по измерению глубины. dataFormat задает метки размерности.

Примеры

свернуть все

Создайте числовой массив с тремя каналами, который симулирует изображение RGB 4 на 4.

X = reshape(1:48,4,4,3);

Создайте dlarray объект, который содержит числовые данные, задавая формат данных как 'SSC' (пространственный, пространственный, канал).

X = dlarray(X,'SSC')
X = 
  4(S) x 4(S) x 3(C) dlarray


(:,:,1) =

     1     5     9    13
     2     6    10    14
     3     7    11    15
     4     8    12    16


(:,:,2) =

    17    21    25    29
    18    22    26    30
    19    23    27    31
    20    24    28    32


(:,:,3) =

    33    37    41    45
    34    38    42    46
    35    39    43    47
    36    40    44    48

Задайте размер блока 2 на 2 для переупорядочения входных активаций.

blockSize = 2;

Перестройте блоки данных от пространственной размерности до размерности глубины.

Z = spaceToDepth(X,blockSize)
Z = 
  2(S) x 2(S) x 12(C) dlarray


(:,:,1) =

     1     9
     3    11


(:,:,2) =

    17    25
    19    27


(:,:,3) =

    33    41
    35    43


(:,:,4) =

     5    13
     7    15


(:,:,5) =

    21    29
    23    31


(:,:,6) =

    37    45
    39    47


(:,:,7) =

     2    10
     4    12


(:,:,8) =

    18    26
    20    28


(:,:,9) =

    34    42
    36    44


(:,:,10) =

     6    14
     8    16


(:,:,11) =

    22    30
    24    32


(:,:,12) =

    38    46
    40    48

  2(S) x 2(S) x 12(C) dlarray

Создайте числовой массив с тремя каналами, который симулирует изображение RGB 4 на 4.

X = reshape(1:48,4,4,3);

Создайте бесформатный dlarray объект, который содержит числовые данные.

dlX = dlarray(X);

Задайте размер блока 2 на 2 для переупорядочения входных активаций.

blockSize = 2;

Перестройте блоки данных от пространственной размерности до размерности глубины. Задайте формат входных данных как "SSC".

dlZ = spaceToDepth(dlX,blockSize,"DataFormat","SSC");

Сравните размерности исходных и перестроенных данных.

whos dlX dlZ
  Name      Size              Bytes  Class      Attributes

  dlX       4x4x3               384  dlarray              
  dlZ       2x2x12              384  dlarray              

Входные параметры

свернуть все

Данные о глубоком обучении, чтобы перестроить в виде dlarray Объект (Deep Learning Toolbox).

Размер блока, чтобы переупорядочить входную активацию в виде положительного целого числа или вектора из двух положительных целых чисел формы [h w], где h высота и w ширина. Когда вы задаете blockSize как скаляр, функция использует то же значение для обеих размерностей.

Пример: [2 4] задает блоки высоты 2 и ширина 4.

Пример: 32 задает блоки высоты и ширины 32.

Размерность помечает когда входные данные о глубоком обучении X не помечен в виде строкового скаляра или вектора символов. Количество меток должно совпадать с количеством размерностей входных данных, X. Каждый символ в dataFormat должна быть одна из этих меток:

  • S — Пространственный

  • C — Канал

  • B — Пакетные наблюдения

"T" (время или последовательность) и "U" (незаданные) метки не поддерживаются. Не задавайте dataFormat аргумент, когда входными данными о глубоком обучении является отформатированный dlarray объект.

Пример: 'SSC' указывает, что массив имеет две пространственных размерности и одну размерность канала, подходящую для 2D данных изображения RGB.

Типы данных: char | string

Выходные аргументы

свернуть все

Перестроенные данные о глубоком обучении, возвращенные как dlarray Объект (Deep Learning Toolbox).

Расширенные возможности

Смотрите также

|

Введенный в R2021a
Для просмотра документации необходимо авторизоваться на сайте