pytorch API之MaxUnpool2d

torch.nn.MaxUnpool2d(kernel_size, stride=None, padding=0)

Maxpool2d的逆过程，不过并不是完全的逆过程，因为在maxpool2d的过程中，一些最大值的已经丢失。 MaxUnpool2d的输入是MaxPool2d的输出，包括最大值的索引，并计算所有maxpool2d过程中非最大值被设置为零的部分的反向。

注意：
MaxPool2d可以将多个输入大小映射到相同的输出大小。因此，反演过程可能会变得模棱两可。 为了适应这一点，可以在调用中将输出大小（output_size）作为额外的参数传入。具体用法，请参阅下面示例

参数：

• kernel_size(int or tuple) - max pooling的窗口大小
• stride(int or tuple, optional) - max pooling的窗口移动的步长。默认值是kernel_size
• padding(int or tuple, optional) - 输入的每一条边补充0的层数

输入：
input:需要转换的tensor
indices：Maxpool1d的索引号
output_size:一个指定输出大小的torch.Size

大小：
input: (N,C,H_in,W_in)
output:(N,C,H_out,W_out)

也可以使用output_size指定输出的大小

import torch
import torch.nn as nn
import torch.autograd as autograd

# # pool of square window of size=3, stride=2
# m = nn.MaxPool2d(3, stride=2)
# # pool of non-square window
# m = nn.MaxPool2d((3, 2), stride=(2, 1))
# input = autograd.Variable(torch.randn(20, 16, 50, 32))
# print(input.shape)
# output = m(input)
# print(output.shape)


pool = nn.MaxPool2d(2, stride=2, return_indices=True)
unpool = nn.MaxUnpool2d(2, stride=2)
input = torch.tensor([[[[1., 2, 3, 4],
                        [5, 6, 7, 8],
                        [9, 10, 11, 12],
                        [13, 14, 15, 16]]]])
print(input.shape)
output, indices = pool(input)
print(output)
print(output.shape)
result = unpool(output, indices)
print(result.shape)
print(result)

# # 也可以unpool的结果的size和input不同
# result = unpool(output, indices, output_size=torch.Size([1, 1, 5, 5]))
# print(result.shape)
# print(result)


torch.Size([1, 1, 4, 4])
tensor([[[[ 6.,  8.],
          [14., 16.]]]])
torch.Size([1, 1, 2, 2])
torch.Size([1, 1, 4, 4])
tensor([[[[ 0.,  0.,  0.,  0.],
          [ 0.,  6.,  0.,  8.],
          [ 0.,  0.,  0.,  0.],
          [ 0., 14.,  0., 16.]]]])