x.unfold/F.unfold/nn.Unfold

  • stackoverflow
  • official
    直接使用x.unfold()和nn.functional.unfold()=nn.Unfold()的结果完全不一样。但基本思想是一样的,只是操作方式截然不同。

直接使用x.unfold()

import torch
h,w = 3,3
x = torch.arange(20).float()
print(x,x.shape)
x2d = x.reshape(1,1,4,5)
print(x2d,x2d.shape)
r1 = x2d.unfold(2,3,1)
print(r1,r1.shape)
r2 = x2d.unfold(3,3,1)
print(r2,r2.shape)
tensor([ 0.,  1.,  2.,  3.,  4.,  5.,  6.,  7.,  8.,  9., 10., 11., 12., 13.,
        14., 15., 16., 17., 18., 19.]) torch.Size([20])
tensor([[[[ 0.,  1.,  2.,  3.,  4.],
          [ 5.,  6.,  7.,  8.,  9.],
          [10., 11., 12., 13., 14.],
          [15., 16., 17., 18., 19.]]]]) torch.Size([1, 1, 4, 5])
tensor([[[[[ 0.,  5., 10.],
           [ 1.,  6., 11.],
           [ 2.,  7., 12.],
           [ 3.,  8., 13.],
           [ 4.,  9., 14.]],

          [[ 5., 10., 15.],
           [ 6., 11., 16
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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