Python PyTorch Unflatten用法及代码示例

本文简要介绍python语言中 torch.nn.Unflatten 的用法。

用法:

class torch.nn.Unflatten(dim, unflattened_size)

参数：

• dim(联盟[int,str]) -未展平的维度

• unflattened_size(联盟[torch.Size,元组,List,NamedShape]) - 未展平尺寸的新形状

展开张量 dim 将其扩展为所需的形状。与 Sequential 一起使用。

• dim指定输入张量的维度，当使用Tensor或NamedTensor时，它可以是int或str。

• unflattened_size 是张量未展平维度的新形状，它可以是整数的 tuple 或整数的 list 或 Tensor 输入的 torch.Size；用于NamedTensor 输入的NamedShape((name, size) 元组的元组)。

形状：

• 输入： (*, S_{\text{dim}}, *) ，其中 S_{\text{dim}} 是维度 dim 的大小，而 * 表示任意数量的维度，包括无维度。

• 输出： (*, U_1, ..., U_n, *) ，其中 U = unflattened_size 和 \prod_{i=1}^n U_i = S_{\text{dim}} 。

例子

>>> input = torch.randn(2, 50)
>>> # With tuple of ints
>>> m = nn.Sequential(
>>>     nn.Linear(50, 50),
>>>     nn.Unflatten(1, (2, 5, 5))
>>> )
>>> output = m(input)
>>> output.size()
torch.Size([2, 2, 5, 5])
>>> # With torch.Size
>>> m = nn.Sequential(
>>>     nn.Linear(50, 50),
>>>     nn.Unflatten(1, torch.Size([2, 5, 5]))
>>> )
>>> output = m(input)
>>> output.size()
torch.Size([2, 2, 5, 5])
>>> # With namedshape (tuple of tuples)
>>> input = torch.randn(2, 50, names=('N', 'features'))
>>> unflatten = nn.Unflatten('features', (('C', 2), ('H', 5), ('W', 5)))
>>> output = unflatten(input)
>>> output.size()
torch.Size([2, 2, 5, 5])