展开¶
- class torch.nn.Unfold(kernel_size, dilation=1, padding=0, stride=1)[source]¶
从批处理输入张量中提取滑动局部块。
考虑一个批处理
input
张量,其形状为 ,其中 是批处理维度, 是通道维度,而 代表任意空间维度。此操作将input
空间维度中每个滑动的kernel_size
大小块展平为 3-Doutput
张量的列(即最后一维),形状为 ,其中 是每个块中的值的总数(一个块有 个空间位置,每个位置包含一个 通道向量),而 是此类块的总数其中 由
input
( 上述) 的空间维度组成,而 表示所有空间维度。因此,对最后一个维度(列维度)的
output
进行索引,可以获得某个块中的所有值。padding
、stride
和dilation
参数指定了滑动块的获取方式。stride
控制滑动块的步长。padding
控制在对输入进行重塑之前,在两侧添加隐式零填充的数量。对于每个维度,在两侧添加padding
个点。dilation
控制内核点之间的间距,也称为 à trous 算法。它很难描述,但这个 链接 对dilation
的作用进行了很好的可视化。
- 参数
如果
kernel_size
、dilation
、padding
或stride
是一个整数或长度为 1 的元组,则它们的值将复制到所有空间维度上。对于两个输入空间维度的案例,此操作有时被称为
im2col
。
注意
Fold
通过将所有包含块中的所有值相加来计算结果中大型张量中的每个组合值。Unfold
通过从大型张量中复制来提取局部块中的值。因此,如果块重叠,它们就不是彼此的逆运算。一般而言,折叠和展开操作的关系如下。考虑使用相同参数创建的
Fold
和Unfold
实例。>>> fold_params = dict(kernel_size=..., dilation=..., padding=..., stride=...) >>> fold = nn.Fold(output_size=..., **fold_params) >>> unfold = nn.Unfold(**fold_params)
那么对于任何(支持的)
input
张量,以下等式成立fold(unfold(input)) == divisor * input
其中
divisor
是一个张量,它仅取决于input
的形状和数据类型。>>> input_ones = torch.ones(input.shape, dtype=input.dtype) >>> divisor = fold(unfold(input_ones))
当
divisor
张量不包含任何零元素时,fold
和unfold
操作是彼此的逆运算(直到常数除数)。警告
目前,仅支持 4 维输入张量(批处理图像类张量)。
- 形状
输入:
输出: ,如上所述
示例
>>> unfold = nn.Unfold(kernel_size=(2, 3)) >>> input = torch.randn(2, 5, 3, 4) >>> output = unfold(input) >>> # each patch contains 30 values (2x3=6 vectors, each of 5 channels) >>> # 4 blocks (2x3 kernels) in total in the 3x4 input >>> output.size() torch.Size([2, 30, 4]) >>> # Convolution is equivalent with Unfold + Matrix Multiplication + Fold (or view to output shape) >>> inp = torch.randn(1, 3, 10, 12) >>> w = torch.randn(2, 3, 4, 5) >>> inp_unf = torch.nn.functional.unfold(inp, (4, 5)) >>> out_unf = inp_unf.transpose(1, 2).matmul(w.view(w.size(0), -1).t()).transpose(1, 2) >>> out = torch.nn.functional.fold(out_unf, (7, 8), (1, 1)) >>> # or equivalently (and avoiding a copy), >>> # out = out_unf.view(1, 2, 7, 8) >>> (torch.nn.functional.conv2d(inp, w) - out).abs().max() tensor(1.9073e-06)