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。MaxUnpool2d
将MaxPool2d
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 和 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
- 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: 或 .
输出: 或 , 其中
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.]]]])