torch.nn.functional.unfold

最新推荐文章于 2023-08-06 15:49:59 发布
最新推荐文章于 2023-08-06 15:49:59 发布
阅读量3.3k 收藏 6
点赞数
分类专栏： pytorch
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/AILEARNER_L/article/details/104699861
版权

torch.nn.functional.unfold(input, kernel_size, dilation=1, padding=0, stride=1)

从批量的输入张量中(batch_size,channel,H,W)提取滑动局部块(kernel_size的正方形）。

Warning：Currently, only 4-D input tensors (batched image-like tensors) are supported.进行unfold操作时最好clone一个新的张量并在其上进行操作

假设有 input tensor of shape (N, C, *)，其中N是batch dimension, C是channel dimension,  ∗ 代表任意spatial dimensions.

unfold操作在input的spatial dimension种滑动一个大小为kernel size的window，并将一个window内的值展平，变为一个三维向量的一列。三维向量的大小为

                                                                        (N,C\times \prod kernelsize,L)

显然L代表了一共产生的window总数，第二个维度代表一个window内的数的个数。这么一列可用tensor.view(C，kernel_size,kernel_size)还原。

dilation可以理解为如下图：

上图，kernel_size=3,dilation=2

 

 

L的计算公式为

L=\prod_{d}\left \lfloor \frac{SpatialSize[d]+2\times Padding[d]-dilation[d]\times( KernelSize[d]-1)-1}{stride[d]} +1\right \rfloor

 

 

AILEARNER_L
关注
  • 0
    点赞
  • 踩
  • 6
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
torch.nn.Unfold()详细解释
A3630623的专栏
10-07 4880
torch.nn.Unfold(kernel_size, dilation=1, padding=0, stride=1) 功能：从一个批次的输入张量中提取出滑动的局部区域块。（Extracts sliding local blocks from a batched input tensor.） 参数： kernel_size(intortuple) – 滑块的大小 stride(intortuple,optional) – 滑块的步长(the stride of the sliding blo..
torch.unflod与torch.nn.unfold用法
最新发布
qq_35215756的博客
06-21 606
和。类似于函数类也用于沿着指定维度滑动提取窗口并将每个窗口展平。与函数不同的是，是一个可学习的层，可以作为神经网络的一部分进行训练。torch.nn.Unfold (以及底层的 torch.unfold) 不支持 torch.LongTensor 类型的数据。它们主要用于处理图像等浮点型数据。将张量沿着指定维度滑动提取窗口，并将每个窗口展平成向量，形成一个新的张量。这在卷积操作的实现中特别有用。在这个例子中，我们在维度 2 (高度) 上以大小为 2、步长为 1 的窗口滑动提取数据，并将每个窗口展平。
torch.nn.functional.unfold（）
sky的博客
03-05 5307
函数定义： def unfold(input, kernel_size, dilation=1, padding=0, stride=1): """ input: tensor数据，四维， Batchsize, channel, height, width kernel_size: 核大小，决定输出tensor的数目。稍微详细讲 dilation: 输出形式是否...
【torch】torch.nn.functional 中的unfold和fold直观理解
胡侃有料的博客
10-22 1637
torch.nn.functional 中unfold和fold的直观理解
torch.nn.functional.unfold与torch.nn.functional.fold函数
qq_46131737的博客
08-06 464
torch.nn.functional.fold常与torch.nn.functional.unfold搭配使用，是unfold的逆过程，参数基本一致。torch.nn.functional.unfold是PyTorch中的一个函数，用于将输入张量展开为一个二维张量。展开的方式是将输入张量的每个滑动窗口视为一个列向量，并将这些列向量按顺序排列成一个二维张量。padding表示在输入的两侧进行填充的长度，通常情况下是采用全0填补；input表示输入张量，即unfold函数操作的对象，
PyTorch中torch.nn.functional.unfold函数使用详解
热门推荐
我的博客有点东西
11-09 3万+
首先跳到函数定义中，看一下有哪些参数。 def unfold(input, kernel_size, dilation=1, padding=0, stride=1): """ input: tensor数据，四维， Batchsize, channel, height, width kernel_size: 核大小，决定输出tensor的数目。稍微详细讲 ...
PyTorch里面的torch.nn.Parameter()详解
09-18
在PyTorch中，`torch.nn.Parameter()`是一个非常关键的类，它用于创建可学习的参数。这些参数通常是神经网络模型中的权重和偏置，它们在训练过程中会被优化算法更新以最小化损失函数。本文将深入探讨`torch.nn....
Pytorch中torch.nn的损失函数
12-21
在本文中，我们将深入探讨三个常用的二分类和多标签分类损失函数：`torch.nn.BCELoss`、`nn.BCEWithLogitsLoss`和`torch.nn.MultiLabelSoftMarginLoss`。 ### 一、`torch.nn.BCELoss(weight=None, size_average=...
Pythorch中torch.nn.LSTM()参数详解
04-27
Pythorch中torch.nn.LSTM()参数详解；Pythorch中torch.nn.LSTM()参数详解；Pythorch中torch.nn.LSTM()参数详解；Pythorch中torch.nn.LSTM()参数详解；Pythorch中torch.nn.LSTM()参数详解；Pythorch中torch.nn.LSTM()...
PyTorch的torch.cat用法
09-16
PyTorch中的`torch.cat`函数是一个非常重要的操作，它用于将多个张量沿着指定的维度进行拼接。这个函数在构建复杂的神经网络模型，特别是在处理图像数据和序列数据时非常常用。下面我们将详细探讨`torch.cat`的使用...
torch.nn.Unfold类
zhangHK33的博客
07-23 209
PyTorch中torch.nn.Unfold类 官方文档连接：torch.nn.Unfold类. class torch.nn.Unfold(kernel_size, dilation=1, padding=0, stride=1) 从批量输入张量中提取滑动局部块 kernel_size：滑动块大小。 dilation：控制邻域内元素步幅的参数，默认为1。 padding：填充。 stride：滑动块在输入空间内的步幅。 考虑形状为（N, C，*）的批量输入张量，其中N为批维度，C为通道维度，*表示任
【Pytorch 】nn.functional.unfold()==＞卷积操作中的提取kernel filter对应的滑动窗口
无偿、有效的解释和解决AI 4 Science中的问题和难点
06-24 1万+
unfold的作用就是手动实现(卷积中)的滑动窗口操作，也就是只有卷，没有积 return = F.unfold(input, kernel_size, dilation=1, padding=0, stride=1): input：输入Tensor，必须是四维的(B, C, H, W)， Batchsize, channel, height, width kernel_size：元组，表示滑动窗口大小，决定输出tensor的数目 dilation: 输出形式是否有间隔 pa.
Pytorch nn.functional.unfold()的简单理解与用法
邹小驴
06-30 580
滑动窗口是2*2然后滑动输入的范围是2*2，比如滑动第一个是 输出是拉平变成 依次就变成以上的输出形式
pytorch实现手动滑窗，卷积（利用unfold,fold操作）
weixin_39831283的博客
08-07 3307
import torch from torch.nn import functional as f inp = torch.randn(2, 3, 4, 5) w = torch.randn(2, 3, 3, 3) inp_unf = torch.nn.functional.unfold(inp, (3, 3)) # [2,27,6] out_unf = inp_unf.transpose(1, 2).matmul(w.view(w.size(0), -1).t()).transpose(1, 2) o.
torch.nn.functional.unfold 用法解读
00000cj的博客
10-12 2800
上面的 \(\prod (kernel\_size)=2\times 3=6\)，窗口内共有2x3x5=30个值，对应输出维度中的 \(C\times \prod (kernel\_size)\)。接下来因为默认stride=1,dilation=1,padding=0，因此(2, 3)大小的kernel在维度(3, 4)中两个方向都只能滑动一次，因此滑动窗口只有4个位置，对应上面的 \(L=4\)。这里 \(L\) 的计算方式和卷积中输出大小的计算是一模一样的。
「详解」torch.nn.Fold和torch.nn.Unfold操作
绿色羽毛
08-27 1万+
torch.nn.Unfold 提取滑动窗口patches torch.nn.Unfold(kernel_size, dilation=1, padding=0, stride=1) kernel_size：滑动窗口的size stride：空间维度上滑动的步长，Default: 1 padding：在输入的两侧添加的隐式零填充. Default: 0 dilation：空洞卷积的扩充率，Default: 1torch.nn.Unfold按照官方的说法，既从一个batch的样本中，提取出滑动的局部区域块，
pytorch中的nn.Unfold()函数和fold(函数详解
qq_37937847的博客
04-13 1万+
文章目录1.nn.Unfold()函数2.nn.Fold(）函数 1.nn.Unfold()函数 描述：pytorch中的nn.Unfold()函数，在图像处理领域，经常需要用到卷积操作，但是有时我们只需要在图片上进行滑动的窗口操作，将图片切割成patch，而不需要进行卷积核和图片值的卷积乘法操作。这是就需要用到nn.Unfold()函数，该函数是从一个batch图片中，提取出滑动的局部区域块，也就是卷积操作中的提取kernel filter对应的滑动窗口。 torch.nn.Unfold(kernel_s
直观理解 torch.nn.Unfold
blueblood7的专栏
10-15 892
torch.nn.Unfold 是把batch中的数据按 C、Kernel_W、Kernel_H 打包，详细解释参考： PyTorch中torch.nn.functional.unfold函数使用详解 本文主要是把 Unfold 返回的tensor的中间部分还原成 patches。 # -*- coding:utf-8 -*- import cv2 import torch import numpy as np img1 = cv2.imread('../128128/1.png') img2 =
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值