展平 ¶

class torch.nn.Unflatten(dim, unflattened_size)

将张量 dim 展开到期望的形状。用于与 Sequential 一起使用。

• dim 指定要展开的输入张量的维度，当使用 Tensor 或 NamedTensor 时，分别可以是 int 或 str。

• unflattened_size 是展开维度的新形状，对于 Tensor 输入可以是 int 的元组、int 的列表或 torch.Size；对于 NamedTensor 输入是 NamedShape（(name, size) 元组的元组）。

形状：

• 输入: $(*, S_{\text{dim}}, *)$ ，其中 $S_{\text{dim}}$ 是维度 dim 的大小， $*$ 表示包括零个在内的任意数量的维度。

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

参数:

• dim（int 或 str 的联合）- 要展开的维度

• unflattened_size（torch.Size、元组、列表、NamedShape）- 展开维度后的新形状

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

tuple [ tuple [ str , int ]]的别名