您好,登錄后才能下訂單哦!
本文小編為大家詳細介紹“Pytorch中torch.flatten()和torch.nn.Flatten()怎么用”,內容詳細,步驟清晰,細節處理妥當,希望這篇“Pytorch中torch.flatten()和torch.nn.Flatten()怎么用”文章能幫助大家解決疑惑,下面跟著小編的思路慢慢深入,一起來學習新知識吧。
torch.flatten(x)等于torch.flatten(x,0)默認將張量拉成一維的向量,也就是說從第一維開始平坦化,torch.flatten(x,1)代表從第二維開始平坦化。
import torch x=torch.randn(2,4,2) print(x) z=torch.flatten(x) print(z) w=torch.flatten(x,1) print(w) 輸出為: tensor([[[-0.9814, 0.8251], [ 0.8197, -1.0426], [-0.8185, -1.3367], [-0.6293, 0.6714]], [[-0.5973, -0.0944], [ 0.3720, 0.0672], [ 0.2681, 1.8025], [-0.0606, 0.4855]]]) tensor([-0.9814, 0.8251, 0.8197, -1.0426, -0.8185, -1.3367, -0.6293, 0.6714, -0.5973, -0.0944, 0.3720, 0.0672, 0.2681, 1.8025, -0.0606, 0.4855]) tensor([[-0.9814, 0.8251, 0.8197, -1.0426, -0.8185, -1.3367, -0.6293, 0.6714] , [-0.5973, -0.0944, 0.3720, 0.0672, 0.2681, 1.8025, -0.0606, 0.4855] ])
torch.flatten(x,0,1)代表在第一維和第二維之間平坦化
import torch x=torch.randn(2,4,2) print(x) w=torch.flatten(x,0,1) #第一維長度2,第二維長度為4,平坦化后長度為2*4 print(w.shape) print(w) 輸出為: tensor([[[-0.5523, -0.1132], [-2.2659, -0.0316], [ 0.1372, -0.8486], [-0.3593, -0.2622]], [[-0.9130, 1.0038], [-0.3996, 0.4934], [ 1.7269, 0.8215], [ 0.1207, -0.9590]]]) torch.Size([8, 2]) tensor([[-0.5523, -0.1132], [-2.2659, -0.0316], [ 0.1372, -0.8486], [-0.3593, -0.2622], [-0.9130, 1.0038], [-0.3996, 0.4934], [ 1.7269, 0.8215], [ 0.1207, -0.9590]])
對于torch.nn.Flatten(),因為其被用在神經網絡中,輸入為一批數據,第一維為batch,通常要把一個數據拉成一維,而不是將一批數據拉為一維。所以torch.nn.Flatten()默認從第二維開始平坦化。
import torch #隨機32個通道為1的5*5的圖 x=torch.randn(32,1,5,5) model=torch.nn.Sequential( #輸入通道為1,輸出通道為6,3*3的卷積核,步長為1,padding=1 torch.nn.Conv2d(1,6,3,1,1), torch.nn.Flatten() ) output=model(x) print(output.shape) # 6*(7-3+1)*(7-3+1) 輸出為: torch.Size([32, 150])
讀到這里,這篇“Pytorch中torch.flatten()和torch.nn.Flatten()怎么用”文章已經介紹完畢,想要掌握這篇文章的知識點還需要大家自己動手實踐使用過才能領會,如果想了解更多相關內容的文章,歡迎關注億速云行業資訊頻道。
免責聲明:本站發布的內容(圖片、視頻和文字)以原創、轉載和分享為主,文章觀點不代表本網站立場,如果涉及侵權請聯系站長郵箱:is@yisu.com進行舉報,并提供相關證據,一經查實,將立刻刪除涉嫌侵權內容。