MaxUnpool1d ¬

class torch.nn.MaxUnpool1d(核大小, 步长=None, 填充=0)[源代码][源代码] ¬

计算部分逆元 MaxPool1d 。

MaxPool1d 不是完全可逆的，因为非最大值丢失了。

MaxUnpool1d 输入 MaxPool1d 的输出，包括最大值的索引，并计算一个部分逆运算，其中所有非最大值都被设置为 0。

注意

此操作在输入索引有重复值时可能表现出非确定性。请参阅 https://github.com/pytorch/pytorch/issues/80827 和可重现性获取更多信息。

注意

MaxPool1d 可以将多个输入大小映射到相同的输出大小。因此，逆运算过程可能变得模糊。为了适应这种情况，您可以在正向调用中提供所需的输出大小作为额外的参数 output_size 。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。

• 步长（int 或 tuple）- 最大池化窗口的步长。默认设置为 kernel_size 。

• 填充（int 或 tuple）- 添加到输入的填充

输入：

• input：要反转的输入张量

• 由 MaxPool1d 给出的索引

• 输出大小（可选）：目标输出大小

形状：

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

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

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

  或在调用操作符中由 output_size 给出

示例：

>>> pool = nn.MaxPool1d(2, stride=2, return_indices=True)
>>> unpool = nn.MaxUnpool1d(2, stride=2)
>>> input = torch.tensor([[[1., 2, 3, 4, 5, 6, 7, 8]]])
>>> output, indices = pool(input)
>>> unpool(output, indices)
tensor([[[ 0.,  2.,  0.,  4.,  0.,  6.,  0., 8.]]])

>>> # Example showcasing the use of output_size
>>> input = torch.tensor([[[1., 2, 3, 4, 5, 6, 7, 8, 9]]])
>>> output, indices = pool(input)
>>> unpool(output, indices, output_size=input.size())
tensor([[[ 0.,  2.,  0.,  4.,  0.,  6.,  0., 8.,  0.]]])

>>> unpool(output, indices)
tensor([[[ 0.,  2.,  0.,  4.,  0.,  6.,  0., 8.]]])