Python PyTorch Unflatten用法及代碼示例

本文簡要介紹python語言中 torch.nn.Unflatten 的用法。

用法:

class torch.nn.Unflatten(dim, unflattened_size)

參數：

• dim(聯盟[int,str]) -未展平的維度

• unflattened_size(聯盟[torch.Size,元組,List,NamedShape]) - 未展平尺寸的新形狀

展開張量 dim 將其擴展為所需的形狀。與 Sequential 一起使用。

• dim指定輸入張量的維度，當使用Tensor或NamedTensor時，它可以是int或str。

• unflattened_size 是張量未展平維度的新形狀，它可以是整數的 tuple 或整數的 list 或 Tensor 輸入的 torch.Size；用於NamedTensor 輸入的NamedShape((name, size) 元組的元組)。

形狀：

• 輸入： (*, S_{\text{dim}}, *) ，其中 S_{\text{dim}} 是維度 dim 的大小，而 * 表示任意數量的維度，包括無維度。

• 輸出： (*, 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])