mindspore.ops.space_to_batch_nd

mindspore.ops.space_to_batch_nd(input_x, block_size, paddings)

将空间维度分块，并在批次维度重排tensor。

$$\begin{array}{r}\begin{array}{l}\\ n^{\prime }=n\ast (block\mathrm{\_}size[0]\ast ...\ast block\mathrm{\_}size[M])\\ w_i^{\prime }=(w_i+paddings[i][0]+paddings[i][1])//block\mathrm{\_}size[i]\end{array}\end{array}$$

说明

• 此函数将输入的空间维度 [1, …, M] 按 block_size 拆分成小块，并重排至批次维度（默认第 0 维）。在分块前，输入的空间维度会根据 paddings 填充零。

• 若输入的形状为 $(n,c_1,...c_k,w_1,...,w_M)$，则输出的形状为 $(n^{\prime },c_1,...c_k,w_1^{\prime },...,w_M^{\prime })$ 。

• 如果 block_size 为list或者tuple，其长度 M 为空间维度的长度。如果 block_size 为整数，那么所有空间维度分割的个数均为 block_size 。在Ascend平台 M 必须为2。

参数：

• input_x (Tensor) - 输入张量。

• block_size (Union[list(int), tuple(int), int]) - 空间维度分块大小。

• paddings (Union[tuple, list]) - 空间维度的填充大小。

返回：

Tensor

支持平台：

Ascend GPU CPU

样例：

>>> import mindspore
>>> import numpy as np
>>> block_size = [2, 2]
>>> paddings = [[0, 0], [0, 0]]
>>> input_x = mindspore.tensor(np.array([[[[1, 2], [3, 4]]]]), mindspore.float32)
>>> output = mindspore.ops.space_to_batch_nd(input_x, block_size, paddings)
>>> print(output)
[[[[1.]]]
 [[[2.]]]
 [[[3.]]]
 [[[4.]]]]