今天聊一聊Flatten展平，torch、numpy等都有对应的方法

深度学习中，经常要用到Flatten去对输入数据的维度进行转换，所以就来聊一聊Flatten

直接上源码

torch官方的文档

这里提到的总结一下（好好品味这段话）：

torch.nn.Flatten中是一个带有两个参数的方法，分别是start_dim和end_dim。默认start_dim的值为1，end_dim的值为-1。当然，我们也可以自己传参进去。start_dim表示要对原张量数据展平的第一个维度，end_dim则表示最后一个维度，且一般情况下end_dim>=start_dim(end_dim=-1除外)。

实践是最好的老师，讲再多都是纸上得来终觉浅。

导入torch

import torch

定义四个张量

a = torch.randn(100, 1, 28, 28)
k = torch.randn(100, 2, 28)
j = torch.randn(100, 2)
z = torch.randn(100)

定义Flatten层的模型

b = torch.nn.Flatten()

把张量放进去Flatten作为输入

print(b(a).shape)
print(b(k).shape)
print(b(j).shape)
print(b(z).shape)     # 报错

得到的结果是：

torch.Size([100, 784])
torch.Size([100, 56])
torch.Size([100, 2])
# 最后一个结果报错

可以看到每个张量第2个维度是的size都是相同的，a作为输入的张量，得到的输出是第二个维度size全为784的张量，k作为输入的张量得到的是第二个维度size全为56的张量，j作为输入的张量得到的是第二个维度size全为2的张量

每一个Flatten对应的处理就是

torch.nn.Flatten(start_dim=1, end_dim=3)
torch.nn.Flatten(start_dim=1, end_dim=2)
torch.nn.Flatten(start_dim=1, end_dim=1)
# 最后一个报错，无法找到start_dim=1，即第二个维度