快捷方式

MaxUnpool2d

class torch.nn.MaxUnpool2d(kernel_size, stride=None, padding=0)[source]

计算 MaxPool2d 的部分逆。

MaxPool2d 并非完全可逆,因为非最大值会丢失。

MaxUnpool2dMaxPool2d 的输出(包括最大值的索引)作为输入,并计算一个部分逆,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,此操作可能会表现出不确定性。有关更多信息,请参阅 https://github.com/pytorch/pytorch/issues/80827可重复性

注意

MaxPool2d 可以将多个输入大小映射到相同的输出大小。因此,反转过程可能会变得模棱两可。为了解决这个问题,您可以在正向调用中提供一个额外的参数 output_size,以指定所需的输出大小。请参阅下面的输入和示例。

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: MaxPool2d 给出的索引

  • output_size (可选): 目标输出大小

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

  • 输出:(N,C,Hout,Wout)(N, C, H_{out}, W_{out})(C,Hout,Wout)(C, H_{out}, W_{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]}
    Wout=(Win1)×stride[1]2×padding[1]+kernel_size[1]W_{out} = (W_{in} - 1) \times \text{stride[1]} - 2 \times \text{padding[1]} + \text{kernel\_size[1]}

    或由调用运算符中的 output_size 给出

示例

>>> pool = nn.MaxPool2d(2, stride=2, return_indices=True)
>>> unpool = nn.MaxUnpool2d(2, stride=2)
>>> input = torch.tensor([[[[ 1.,  2.,  3.,  4.],
                            [ 5.,  6.,  7.,  8.],
                            [ 9., 10., 11., 12.],
                            [13., 14., 15., 16.]]]])
>>> output, indices = pool(input)
>>> unpool(output, indices)
tensor([[[[  0.,   0.,   0.,   0.],
          [  0.,   6.,   0.,   8.],
          [  0.,   0.,   0.,   0.],
          [  0.,  14.,   0.,  16.]]]])
>>> # Now using output_size to resolve an ambiguous size for the inverse
>>> input = torch.tensor([[[[ 1.,  2.,  3.,  4.,  5.],
                            [ 6.,  7.,  8.,  9., 10.],
                            [11., 12., 13., 14., 15.],
                            [16., 17., 18., 19., 20.]]]])
>>> output, indices = pool(input)
>>> # This call will not work without specifying output_size
>>> unpool(output, indices, output_size=input.size())
tensor([[[[ 0.,  0.,  0.,  0.,  0.],
          [ 0.,  7.,  0.,  9.,  0.],
          [ 0.,  0.,  0.,  0.,  0.],
          [ 0., 17.,  0., 19.,  0.]]]])

文档

访问 PyTorch 的全面开发者文档

查看文档

教程

为初学者和高级开发人员提供深入的教程

查看教程

资源

查找开发资源并获得问题的答案

查看资源