Unflatten

class torch.nn.Unflatten(dim, unflattened_size)

將張量的某個維度解扁平化，將其擴充套件到所需的形狀。與 Sequential 一起使用。

• dim 指定要解扁平化的輸入張量的維度，當分別使用 Tensor 或 NamedTensor 時，它可以是 int 或 str。

• unflattened_size 是張量解扁平化維度的新的形狀，對於 Tensor 輸入，它可以是 tuple of ints 或 list of ints 或 torch.Size；對於 NamedTensor 輸入，它可以是 NamedShape（由 (name, size) 元組組成的元組）。

形狀

• 輸入： $(*, S_{\text{dim}}, *)$，其中 $S_{\text{dim}}$ 是維度 dim 的大小，$*$ 表示任意數量的維度（包括零個）。

• 輸出： $(*, U_1, ..., U_n, *)$，其中 $U$ = unflattened_size 且 $\prod_{i=1}^n U_i = S_{\text{dim}}$.

引數

• dim (Union[int, str]) – 要反展平的維度

• unflattened_size (Union[torch.Size, Tuple, List, NamedShape]) – 反展平維度的新的形狀

示例

>>> input = torch.randn(2, 50)
>>> # With tuple of ints
>>> m = nn.Sequential(
>>>     nn.Linear(50, 50),
>>>     nn.Unflatten(1, (2, 5, 5))
>>> )
>>> output = m(input)
>>> output.size()
torch.Size([2, 2, 5, 5])
>>> # With torch.Size
>>> m = nn.Sequential(
>>>     nn.Linear(50, 50),
>>>     nn.Unflatten(1, torch.Size([2, 5, 5]))
>>> )
>>> output = m(input)
>>> output.size()
torch.Size([2, 2, 5, 5])
>>> # With namedshape (tuple of tuples)
>>> input = torch.randn(2, 50, names=("N", "features"))
>>> unflatten = nn.Unflatten("features", (("C", 2), ("H", 5), ("W", 5)))
>>> output = unflatten(input)
>>> output.size()
torch.Size([2, 2, 5, 5])

NamedShape

別名： tuple[tuple[str, int]]