MaxUnpool2d

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

计算 MaxPool2d 的部分逆运算。

MaxPool2d 不是完全可逆的，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，并计算一个部分逆运算，其中所有非最大值都被设置为零。

注意

当输入索引包含重复值时，此操作可能会表现出不确定性行为。有关更多信息，请参阅 https://github.com/pytorch/pytorch/issues/80827 和 可复现性。

注意

MaxPool2d 可以将多个输入大小映射到相同的输出大小。因此，逆向过程可能会产生歧义。为了解决这个问题，您可以在前向调用中将所需的输出大小作为额外的参数 output_size 提供。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) – 最大池化窗口的步长。默认设置为 kernel_size。

• padding (int 或 tuple) – 添加到输入的填充。

输入

• input: 要进行逆运算的输入 Tensor

• indices: 由 MaxPool2d 输出的索引

• output_size (可选): 目标输出大小

形状

• 输入形状: $(N, C, H_{in}, W_{in})$ 或 $(C, H_{in}, W_{in})$。

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

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

  或者由调用运算符中的 output_size 参数给定

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.]]]])