Pytorch Tensor.unfold()的简单理解与用法

unfold的作用就是手动实现的滑动窗口操作，也就是只有卷，没有积；不过相比于nn.functional中的unfold而言，其窗口的意味更浓，只能是一维的，也就是不存在类似2×2窗口的说法。

ret = x.unfold(dim, size, step) 

• dim：int，表示需要展开的维度(可以理解为窗口的方向)
• size：int，表示滑动窗口大小
• step：int，表示滑动窗口的步长

例如，对于一张5×5的如下特征图：

[[[[  1,  2,  3,  4,  5],
   [  6,  7,  8,  9, 10],
   [ 11, 12, 13, 14, 15],
   [ 16, 17, 18, 19, 20],
   [ 21, 22, 23, 24, 25]]]]

对其进行长度为3，步长为1的滑动窗口操作，分两种情况：
窗口为3×1：

1  ->  2  ->  3
6      7      8
11     12     13

窗口为1×3：

1  ->  2  ->  3
2      3      4
3      4      5

如果是第一种情况，此时窗口的方向dim=0(第0维为3，其他维为1)；如果是第二种情况，此时窗口的方向dim=1(第1维为3，其他维为1)。
代码如下：

import torch

x = torch.Tensor([[  1,  2,  3,  4,  5],
                  [  6,  7,  8,  9, 10],
                  [ 11, 12, 13, 14, 15],
                  [ 16, 17, 18, 19, 20],
                  [ 21, 22, 23, 24, 25]])
x = x.unfold(0, 3, 1)
print(x)
print(x.size())

输出：

tensor([[[ 1.,  6., 11.],
         [ 2.,  7., 12.],
         [ 3.,  8., 13.],
         [ 4.,  9., 14.],
         [ 5., 10., 15.]],

        [[ 6., 11., 16.],
         [ 7., 12., 17.],
         [ 8., 13., 18.],
         [ 9., 14., 19.],
         [10., 15., 20.]],

        [[11., 16., 21.],
         [12., 17., 22.],
         [13., 18., 23.],
         [14., 19., 24.],
         [15., 20., 25.]]])
torch.Size([3, 5, 3])

其中，每一行表示滑动窗口每次移动所覆盖的内容。例如在这里滑动窗口可以从左往右滑动5次，因此每维有5行；而每滑动5次需要向下移动一次，一共需要移动2次，因此有2+1=3维。