space_to_depth

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：

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：

参数:

• 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 ，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

• TypeError - blocksize 必须是int64类型

代码示例

import numpy as np
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.]],
#         [[ 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.]],
#         [[10.]], [[14.]], [[11.]], [[15.]]]], dtype=float32)]