MaxUnpool1d

class torch.nn.MaxUnpool1d(kernel_size, stride=None, padding=0)

计算 MaxPool1d 的部分逆运算。

MaxPool1d 不是完全可逆的，因为非最大值会丢失。

MaxUnpool1d 接受 MaxPool1d 的输出作为输入，包括最大值的索引，并计算部分逆运算，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，此操作可能表现出不确定性行为。请参阅 https://github.com/pytorch/pytorch/issues/80827 和 可重复性 以获取更多信息。

注意

MaxPool1d 可以将多个输入大小映射到相同的输出大小。因此，反演过程可能会变得模糊。为了适应这种情况，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。请参阅下面的“输入”和“示例”。

参数

• kernel_size (int 或 tuple) – 最大池化窗口的大小。

• stride (int 或 tuple) – 最大池化窗口的步幅。默认设置为 kernel_size。

• padding (int 或 tuple) – 添加到输入的填充

输入

• input: 要反演的输入张量

• indices: 由 MaxPool1d 给出的索引

• output_size (可选): 目标输出大小

形状

• 输入: $(N, C, H_{in})$ 或 $(C, H_{in})$.

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

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

  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.]]])