MaxUnpool2d

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

計算 MaxPool2d 的部分反運算。

MaxPool2d 並非完全可逆，因為非最大值會遺失。

MaxUnpool2d 接受 MaxPool2d 的輸出作為輸入，包括最大值的索引，並計算一個部分反運算，其中所有非最大值都會被設為零。

注意

當輸入索引具有重複值時，此操作可能會表現出非確定性行為。 參見 https://github.com/pytorch/pytorch/issues/80827 和 重現性 以獲取更多資訊。

注意

MaxPool2d 可以將多個輸入尺寸映射到相同的輸出尺寸。 因此，反運算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尺寸作為正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。 預設設為 kernel_size。

• padding (int 或 tuple) – 添加到輸入的填充。

輸入

• input: 要反運算的輸入張量

• indices: 由 MaxPool2d 給出的索引

• output_size (optional): 目標輸出尺寸

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

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

  或者由呼叫運算符中的 output_size 給定

範例

>>> 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.]]]])