MaxUnpool1d

class torch.nn.MaxUnpool1d(kernel_size, stride=None, padding=0)

計算 MaxPool1d 的部分反運算。

MaxPool1d 並非完全可逆，因為非最大值會遺失。

MaxUnpool1d 將 MaxPool1d 的輸出（包括最大值的索引）作為輸入，並計算一個部分反運算，其中所有非最大值都設定為零。

注意

當輸入索引具有重複值時，此操作的行為可能不具確定性。詳見https://github.com/pytorch/pytorch/issues/80827 和 再現性 以獲得更多資訊。

注意

MaxPool1d 可以將多個輸入大小映射到相同的輸出大小。因此，反向運算的過程可能會變得不明確。為了適應這種情況，您可以提供所需的輸出大小作為前向呼叫中的額外參數 output_size。請參閱下面的輸入和範例。

參數

• 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。預設設置為 kernel_size。

• padding (int 或 tuple) – 添加到輸入的填充。

輸入

• input: 要反轉的輸入張量。

• indices: 由 MaxPool1d 給出的索引。

• output_size (可選): 目標輸出大小。

形狀

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

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

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

  或者由呼叫運算元中的 output_size 給定

範例

>>> 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.]]])