Unfold

class torch.nn.Unfold(kernel_size, dilation=1, padding=0, stride=1)

從批處理的輸入 Tensor 中提取滑動區域性塊。

考慮形狀為 $(N, C, *)$ 的 input 張量批次，其中 $N$ 是批次維度，$C$ 是通道維度，而 $*$ 表示任意空間維度。此操作將 input 的空間維度內的每個滑動 kernel_size 大小的塊展平成 3-D output 張量的列（即最後一個維度），其形狀為 $(N, C \times \prod(\text{kernel\_size}), L)$，其中 $C \times \prod(\text{kernel\_size})$ 是每個塊內的總值數（一個塊有 $\prod(\text{kernel\_size})$ 個空間位置，每個位置包含一個 $C$ 通道的向量），而 $L$ 是這些塊的總數。

$$L = \prod_d \left\lfloor\frac{\text{spatial\_size}[d] + 2 \times \text{padding}[d]$$

其中 $\text{spatial\_size}$ 由 input 的空間維度組成（上面 $*$），並且 $d$ 遍歷所有空間維度。

因此，在最後一個維度（列維度）上索引 output 可以獲得某個塊內的所有值。

引數 padding、stride 和 dilation 指定了如何提取滑動塊。

• stride 控制滑動塊的步幅。

• padding 控制在重塑之前，每個維度上的 padding 個點兩側的隱式零填充量。

• dilation 控制核點之間的間距；也稱為空洞卷積演算法。這個概念比較難描述，但 這個連結 有一個 dilation 作用的視覺化。

引數

• kernel_size (int 或 tuple) – 滑動塊的大小

• dilation (int 或 tuple, 可選) – 一個控制鄰域內元素步幅的引數。預設值：1

• padding (int 或 tuple, 可選) – 要新增到輸入兩側的隱式零填充。預設值：0

• stride (int 或 tuple, 可選) – 滑動塊在輸入空間維度中的步長。預設為：1

• 如果 kernel_size、dilation、padding 或 stride 是一個整數或長度為 1 的元組，則其值將複製到所有空間維度。

• 對於兩個輸入空間維度的情況，此操作有時稱為 im2col。

注意

Fold 透過對所有包含塊的所有值求和來計算結果大張量中的每個組合值。Unfold 透過從大張量中複製來提取區域性塊內的值。因此，如果塊重疊，它們就不是彼此的逆運算。

通常，摺疊和展開操作的關係如下。考慮使用相同引數建立的 Fold 和 Unfold 例項。

>>> fold_params = dict(kernel_size=..., dilation=..., padding=..., stride=...)
>>> fold = nn.Fold(output_size=..., **fold_params)
>>> unfold = nn.Unfold(**fold_params)

那麼對於任何（受支援的）input 張量，以下等式成立：

fold(unfold(input)) == divisor * input

其中 divisor 是一個僅取決於 input 的形狀和 dtype 的張量。

>>> input_ones = torch.ones(input.shape, dtype=input.dtype)
>>> divisor = fold(unfold(input_ones))

當 divisor 張量不包含零元素時，則 fold 和 unfold 操作是彼此的逆運算（ up to constant divisor）。

警告

目前，僅支援 4 維輸入張量（批處理的類影像張量）。

形狀

• 輸入： $(N, C, *)$

• 輸出: $(N, C \times \prod(\text{kernel\_size}), L)$，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)

extra_repr()

返回模組的額外表示。

返回型別

str

forward(input)

執行前向傳播。

返回型別

張量