MaxUnpool2d

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

計算 MaxPool2d 的部分逆運算。

MaxPool2d 不是完全可逆的，因為非最大值會丟失。

MaxUnpool2d 的輸入是 MaxPool2d 的輸出，包括最大值的索引，並計算一個部分逆運算，其中所有非最大值都被設定為零。

注意

當輸入索引存在重複值時，此操作可能表現出非確定性。更多資訊請參閱 pytorch/pytorch#80827 和 可復現性。

注意

MaxPool2d 可以將多個輸入尺寸對映到相同的輸出尺寸。因此，逆運算過程可能會出現歧義。為了解決這個問題，您可以在前向呼叫中提供所需的輸出尺寸作為附加引數 output_size。請參閱下面的輸入和示例。

引數

• kernel_size (int 或 tuple) – 最大池化視窗的大小。

• stride (int 或 tuple) – 最大池化視窗的步幅。預設為 kernel_size。

• padding (int 或 tuple) – 新增到輸入的填充。

輸入

• input: the input Tensor to invert

• indices: 由 MaxPool2d 輸出的索引。

• output_size (optional): the targeted output size

形狀

• 輸入： $(N, C, H_{in}, W_{in})$ 或 $(C, H_{in}, W_{in})$。

• 輸出： $(N, C, H_{out}, W_{out})$ 或 $(C, H_{out}, W_{out})$，其中

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

  or as given by output_size in the call operator

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.]]]])

forward(input, indices, output_size=None)

執行前向傳播。

返回型別

張量