nn.unfold和nn.fold与张量.unfold,还有F.unfold是不一样的操作

1：nn.unfold和nn.fold参考：(1条消息) 「详解」torch.nn.Fold和torch.ynn.Unfold操作_ViatorSun的博客-CSDN博客_unfold操作

(1条消息) pytorch中的nn.Unfold()函数和fold(函数详解_halo_wm的博客-CSDN博客_unfold函数

(1条消息) 图解卷积计算原理与pytorch中fold和unfold函数的使用_子燕若水的博客-CSDN博客_fold unfold2：张量.unfold(dim, size, step)

 参考自(13条消息) F.pad() 函数详解_晓野豬的博客-CSDN博客_f.pad

但发现该参考博客有点问题，下面结合自己的实验进行说明。

实验代码如下：

a = torch.rand(1,3,5,5)
print(a)
b = a.unfold(dimension=2, size=3, step=1)
print(b.shape)
print(b)

结果如下：

 

 结果分析：

dim参数：决定滑动窗口在那个维度取值，比如这个例子中，就是在H维度取值

size参数：决定了窗口的大小，而且只能是一维的

step：决定了窗口在前面指定的dim维度上，每次滑动的步长，这里注意，step决定的是在指定维度上面滑动的步长，但窗口自身还有一个移动方向，是在最后一个维度，也就是W纬上面的滑动，如果dim不是在最后一个维度，则在W维度上面的移动的步长一直都是1。

所以，根据上面的理解，我们可以形象的理解，张量.unfold（）是怎么吧一张图片切分成一个个小小的patch了，如图：

 实际的例子参考：(13条消息) pytorch实现图像的腐蚀和膨胀_两只蜡笔的小新的博客-CSDN博客_pytorch 腐蚀

3:F.unfold：

例子：

 结果：将所有通道的特征图上面指定kernel_size大小的像素排列在一列上面