折叠

classtorch.nn.Fold(output_size, kernel_size, dilation=1, padding=0, stride=1)[源代码]

将一系列滑动局部块合并成一个大的包含张量。

考虑一个批次的input张量，其中包含滑动局部块（例如图像补丁），形状为$(N, C \times \prod(\text{kernel\_size}), L)$。这里，$N$是批次维度，"$C \times \prod(\text{kernel\_size})$" 表示每个块内的值数量（每个块有$\prod(\text{kernel\_size})$个空间位置，每个位置包含一个$C$-通道向量），$L$是块的总数。这个形状与Unfold输出张量的形状相同。此操作通过将重叠值相加，将这些局部块组合成一个大张量output，其形状为$(N, C, \text{output\_size}[0], \text{output\_size}[1], \dots)$。与Unfold类似，参数必须满足以下条件：

$L = \prod_d \left\lfloor\frac{\text{output\_size}[d] + 2 \times \text{padding}[d] % - \text{dilation}[d] \times (\text{kernel\_size}[d] - 1) - 1}{\text{stride}[d]} + 1\right\rfloor,$

其中 $d$ 表示所有空间维度。

• output_size 描述了滑动局部块的大容器张量的空间形状。当多个输入形状映射到相同数量的滑动块时（例如，stride > 0），它有助于解决这种歧义。

padding、stride 和 dilation 参数定义了如何获取滑动块。

• stride 控制滑动块的步长。

• padding 控制每个维度在重塑之前每侧隐式填充的零的点数。

• dilation 控制核点之间的间距，也称为 à trous 算法。它更难描述，但这个 链接 提供了一个很好的可视化来展示 dilation 的作用。

参数

• output_size (int 或 tuple) – 输出的空间维度的大小（即，output.sizes()[2:]）

• kernel_size (int 或 tuple) – 滑动窗口的大小

• dilation (int 或 元组, 可选) – 控制邻域内元素步长的参数。默认值：1

• padding (int 或 元组, 可选) – 输入两侧隐式添加的零填充。默认值：0

• stride (int 或 tuple) – 滑动块在输入空间维度中的步长。默认值：1

• 如果 output_size、kernel_size、dilation、padding 或 stride 是一个整数或长度为 1 的元组，则它们的值会在所有空间维度上重复。

• 当有两个输出空间维度时，此操作有时被称为col2im。

注意

Fold 通过将所有包含块中的值相加来计算结果大张量中每个组合的值。Unfold 则从大张量中复制值以提取局部块中的数据。因此，如果这些块有重叠，则它们不是彼此的逆操作。

一般来说，折叠和展开操作之间的关系如下。考虑使用相同参数创建的Fold 和 Unfold 实例：

>>> fold_params = dict(kernel_size=..., dilation=..., padding=..., stride=...)
>>> fold = nn.Fold(output_size=..., **fold_params)
>>> unfold = nn.Unfold(**fold_params)

对于任何受支持的 input 张量，下列等式成立：

fold(unfold(input)) == divisor * input

其中 divisor 是一个张量，仅依赖于 input 的形状和数据类型：

>>> input_ones = torch.ones(input.shape, dtype=input.dtype)
>>> divisor = fold(unfold(input_ones))

当divisor张量中不含零元素时，fold和unfold操作互为逆运算（不考虑常数除数）。

警告

目前仅支持未批处理的（3D）和批处理的（4D）图像-like输出张量。

形状:

• 输入: $(N, C \times \prod(\text{kernel\_size}), L)$ 或者 $(C \times \prod(\text{kernel\_size}), L)$

• 输出格式如下：$(N, C, \text{output\_size}[0], \text{output\_size}[1], \dots)$ 或 $(C, \text{output\_size}[0], \text{output\_size}[1], \dots)$，如上所述。

示例:

>>> fold = nn.Fold(output_size=(4, 5), kernel_size=(2, 2))
>>> input = torch.randn(1, 3 * 2 * 2, 12)
>>> output = fold(input)
>>> output.size()
torch.Size([1, 3, 4, 5])