快捷方式

MaxUnpool1d

class torch.nn.MaxUnpool1d(kernel_size, stride=None, padding=0)[源代码]

计算 MaxPool1d 的部分逆。

MaxPool1d 不是完全可逆的,因为非最大值会被丢失。

MaxUnpool1dMaxPool1d 的输出(包括最大值的索引)作为输入,并计算部分逆,其中所有非最大值都设置为零。

注意

当输入索引具有重复值时,此操作的行为可能不确定。有关更多信息,请参阅 https://github.com/pytorch/pytorch/issues/80827可重复性

注意

MaxPool1d 可以将多个输入大小映射到相同输出大小。因此,反转过程可能会变得模棱两可。为了解决这个问题,您可以在前向调用中提供所需的输出大小作为附加参数 output_size。请参见下面的输入和示例。

参数
  • kernel_size (inttuple) – 最大池化窗口的大小。

  • stride (inttuple) – 最大池化窗口的步长。默认情况下设置为 kernel_size

  • padding (inttuple) – 添加到输入的填充

输入
  • input:要反转的输入张量

  • indices:由 MaxPool1d 给出的索引

  • output_size(可选):目标输出大小

形状
  • 输入:(N,C,Hin)(N, C, H_{in})(C,Hin)(C, H_{in}).

  • 输出:(N,C,Hout)(N, C, H_{out})(C,Hout)(C, H_{out}),其中

    Hout=(Hin1)×stride[0]2×padding[0]+kernel_size[0]H_{out} = (H_{in} - 1) \times \text{stride}[0] - 2 \times \text{padding}[0] + \text{kernel\_size}[0]

    或由调用运算符中的 output_size 给出

示例

>>> pool = nn.MaxPool1d(2, stride=2, return_indices=True)
>>> unpool = nn.MaxUnpool1d(2, stride=2)
>>> input = torch.tensor([[[1., 2, 3, 4, 5, 6, 7, 8]]])
>>> output, indices = pool(input)
>>> unpool(output, indices)
tensor([[[ 0.,  2.,  0.,  4.,  0.,  6.,  0., 8.]]])

>>> # Example showcasing the use of output_size
>>> input = torch.tensor([[[1., 2, 3, 4, 5, 6, 7, 8, 9]]])
>>> output, indices = pool(input)
>>> unpool(output, indices, output_size=input.size())
tensor([[[ 0.,  2.,  0.,  4.,  0.,  6.,  0., 8.,  0.]]])

>>> unpool(output, indices)
tensor([[[ 0.,  2.,  0.,  4.,  0.,  6.,  0., 8.]]])

文档

访问 PyTorch 的全面开发者文档

查看文档

教程

获取适合初学者和高级开发人员的深入教程

查看教程

资源

查找开发资源并获得问题的解答

查看资源