Unflatten

class torch.nn.Unflatten(dim, unflattened_size)

將 tensor 的 dim 展開為所需的形狀。用於 Sequential。

• dim 指定要展開的輸入 tensor 的維度，當使用 Tensor 或 NamedTensor 時，它可以是 int 或 str。

• unflattened_size 是 tensor 展開維度的新形狀，對於 Tensor 輸入，它可以是 tuple 的 ints 或 list 的 ints 或 torch.Size；對於 NamedTensor 輸入，它是 NamedShape（(name, size) tuples 的 tuple）。

形狀

• 輸入: $(*, S_{\text{dim}}, *)$, 其中 $S_{\text{dim}}$ 是維度 dim 的大小，而 $*$ 表示任意數量的維度，包括沒有維度。

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

參數

• dim (Union[int, str]) – 要展開的維度

• unflattened_size (Union[torch.Size, Tuple, List, NamedShape]) – 展開維度的新形狀

範例

>>> 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])