盲超分中的核估计实现有关函数

以MANet代码为例

class MANet_s1(nn.Module):
    ''' stage1, train MANet'''

    def __init__(self, in_nc=3, out_nc=3, nf=64, nb=10, gc=32, scale=4, pca_path='./pca_matrix_aniso21_15_x2.pth',
                 code_length=15, kernel_size=21, manet_nf=256, manet_nb=1, split=2):
        super(MANet_s1, self).__init__()
        self.scale = scale
        self.kernel_size = kernel_size

        self.kernel_estimation = MANet(in_nc=in_nc, kernel_size=kernel_size, nc=[manet_nf, manet_nf * 2],
                                       nb=manet_nb, split=split)

    def forward(self, x, gt_K):
        # kernel estimation
        kernel = self.kernel_estimation(x)
        kernel = F.interpolate(kernel, scale_factor=self.scale, mode='nearest').flatten(2).permute(0, 2, 1)
        kernel = kernel.view(-1, kernel.size(1), self.kernel_size, self.kernel_size)

        # no meaning
        with torch.no_grad():
            out = F.interpolate(x, scale_factor=self.scale, mode='nearest')

        return out, kernel

• flatten()是对多维数据的降维函数。
  flatten(),默认缺省参数为0，也就是说flatten()和flatte(0)效果一样。
  python里的flatten(dim)表示，从第dim个维度开始展开，将后面的维度转化为一维.也就是说，只保留dim之前的维度，其他维度的数据全都挤在dim这一维。
  比如一个数据的维度是( S 0 , S 1 , S 2......... , S n ) , flatten(m)后的数据为 (S0，S1，S2，...，Sm-2，Sm-1，Sm*Sm+1*Sm+2*...*Sn)
• 定义一个张量a为（2，3，4），a这个数据从0维展开，就是（2 ∗ 3 ∗ 4 ），维度就是(24)，a从1维展开flatten(1)，就是( 2 , 3 ∗ 4 ) ，也就是（2，12），a若是从2维展开flatten(2)，那就是（2，3，4）和之前没有变化。

Permute(0,2,1)表示维度变换，原来的顺序是0，1，2  现在变换成0，2，1

例如：

>>> x = torch.randn(2, 3, 5) 
>>> x.size() 
torch.Size([2, 3, 5]) 
>>> x.permute(2, 0, 1).size() 
torch.Size([5, 2, 3])