DepthConcat¶

Описание¶

Info

Родительский класс: Module

Производные классы: -

Данный модуль работает с тензорами размерности $(N, C, H, W)$ , где $N$ - размер батча, $C$ - количество карт (каналов), $H$ - высота карты, $W$ - ширина карты. Отличие от Concat в том, что модуль склеивает тензоры только вдоль оси каналов, но делает это даже для тех тензоров, у которых отличается размер карт (см. пример).

Инициализация¶

def __init__(self, name=None):

Параметры

Параметр	Возможные типы	Описание	По умолчанию
name	str	Имя слоя	None

Пояснения

-

Примеры¶

Необходимые импорты.

import numpy as np
from PuzzleLib.Backend import gpuarray
from PuzzleLib.Modules import DepthConcat

Info

gpuarray необходим для правильного размещения тензора на GPU

Для удобства ограничимся размером батча и количеством карт 1.

np.random.seed(123)
data1 = gpuarray.to_gpu(np.random.randint(0, 9, (1, 1, 2, 2)).astype(np.float32))
data2 = gpuarray.to_gpu(np.random.randint(0, 9, (1, 1, 6, 6)).astype(np.float32))
data3 = gpuarray.to_gpu(np.random.randint(0, 9, (1, 1, 4, 3)).astype(np.float32))
print(data1)

[[[[2. 2.]
   [6. 1.]]]]

print(data2)

[[[[3. 6. 1. 0. 1. 0.]
   [0. 3. 4. 0. 0. 4.]
   [1. 7. 3. 2. 4. 7.]
   [2. 4. 8. 0. 7. 3.]
   [4. 6. 1. 5. 6. 2.]
   [1. 8. 3. 5. 0. 2.]]]]

print(data3)

[[[[6. 2. 4.]
   [4. 6. 3.]
   [0. 6. 4.]
   [7. 6. 7.]]]]

concat = DepthConcat()
data = concat([data1, data2, data3])
print(data)

[[[[0. 0. 0. 0. 0. 0.]
   [0. 0. 0. 0. 0. 0.]
   [0. 0. 2. 2. 0. 0.]
   [0. 0. 6. 1. 0. 0.]
   [0. 0. 0. 0. 0. 0.]
   [0. 0. 0. 0. 0. 0.]]

  [[3. 6. 1. 0. 1. 0.]
   [0. 3. 4. 0. 0. 4.]
   [1. 7. 3. 2. 4. 7.]
   [2. 4. 8. 0. 7. 3.]
   [4. 6. 1. 5. 6. 2.]
   [1. 8. 3. 5. 0. 2.]]

  [[0. 0. 0. 0. 0. 0.]
   [0. 6. 2. 4. 0. 0.]
   [0. 4. 6. 3. 0. 0.]
   [0. 0. 6. 4. 0. 0.]
   [0. 7. 6. 7. 0. 0.]
   [0. 0. 0. 0. 0. 0.]]]]

print(data.shape)

<div class="output">

(1, 3, 6, 6) ```