pytorch中nn.Flatten()函數如何使用

這篇文章主要介紹了pytorch中nn.Flatten()函數如何使用的相關知識，內容詳細易懂，操作簡單快捷，具有一定借鑒價值，相信大家閱讀完這篇pytorch中nn.Flatten()函數如何使用文章都會有所收獲，下面我們一起來看看吧。

torch.nn.Flatten(start_dim=1, end_dim=- 1)

作用：將連續的維度范圍展平為張量。 經常在nn.Sequential()中出現，一般寫在某個神經網絡模型之后，用于對神經網絡模型的輸出進行處理，得到tensor類型的數據。

有倆個參數，start_dim和end_dim，分別表示開始的維度和終止的維度，默認值分別是1和-1，其中1表示第一維度，-1表示最后的維度。結合起來看意思就是從第一維度到最后一個維度全部給展平為張量。（注意：數據的維度是從0開始的，也就是存在第0維度，第一維度并不是真正意義上的第一個）

同理，如果我這么寫：

self.flat = nn.Flatten(start_dim=2, end_dim=3)

那么意思就是從第二維度開始，到第三維度全部給展平，也就是將2、3兩個維度展平。

官網給出的示例：

input = torch.randn(32, 1, 5, 5)
# With default parameters
m = nn.Flatten()
output = m(input)
output.size()
#torch.Size([32, 25])
# With non-default parameters
m = nn.Flatten(0, 2)
output = m(input)
output.size()
#torch.Size([160, 5])

#開頭的代碼是注釋

整段代碼的意思是：給定一個維度為（32，1，5，5）的隨機數據。

1.先使用一次nn.Flatten()，使用默認參數：

m = nn.Flatten()

也就是說從第一維度展平到最后一個維度，數據的維度是從0開始的，第一維度實際上是數據的第二個位置代表的維度，也就是樣例中的1。

因此進行展平后的結果也就是[32，1×5×5]?[32，25]

2.接著再使用一次指定參數的nn.Flatten()，即

m = nn.Flatten(0, 2)

也就是說從第0維度展平到第2維度，0~2，對應的也就是前三個維度。

因此結果就是[32×1×5，5]?[160，5]

因此進行展平后的結果也就是[32，1*5*5]?[32，25]

示例1

卷積公式

import torch
import torch.nn as nn
input = torch.randn(32, 1, 5, 5)
m = nn.Sequential(
    nn.Conv2d(1, 32, 5, 1, 1),  # 通過卷積，得到torch.size([32, 32, 3, 3]
    nn.Flatten())

output = m(input)
print(output.size())

>> torch.Size([32, 288])

示例2

import torch
import torch.nn as nn
input = torch.randn(32, 1, 5, 5)
m = nn.Sequential(
    nn.Conv2d(1, 32, 5, 1, 1),  # 通過卷積，得到torch.size([32, 32, 3, 3]
    nn.Flatten(start_dim=0))

output = m(input)
print(output.size())

>>torch.Size([9216])

關于“pytorch中nn.Flatten()函數如何使用”這篇文章的內容就介紹到這里，感謝各位的閱讀！相信大家對“pytorch中nn.Flatten()函數如何使用”知識都有一定的了解，大家如果還想學習更多知識，歡迎關注億速云行業資訊頻道。