Python torch.flatten()函數案例詳解

先看函數參數:

torch.flatten(input, start_dim=0, end_dim=-1)

input: 一個 tensor,即要被“推平”的 tensor。

start_dim: “推平”的起始維度。

end_dim: “推平”的結束維度。

首先如果按照 start_dim 和 end_dim 的默認值,那麼這個函數會把 input 推平成一個 shape 為 [n][n] 的tensor,其中 nn 即 input 中元素個數。

如果我們要自己設定起始維度和結束維度呢?

我們要先來看一下 tensor 中的 shape 是怎麼樣的:

t = torch.tensor([[[1, 2, 2, 1],
                   [3, 4, 4, 3],
                   [1, 2, 3, 4]],
                  [[5, 6, 6, 5],
                   [7, 8, 8, 7],
                   [5, 6, 7, 8]]])
print(t, t.shape)
 
運行結果:
 
tensor([[[1, 2, 2, 1],
         [3, 4, 4, 3],
         [1, 2, 3, 4]],
 
        [[5, 6, 6, 5],
         [7, 8, 8, 7],
         [5, 6, 7, 8]]])
torch.Size([2, 3, 4])

我們可以看到,最外層的方括號內含兩個元素,因此 shape 的第一個值是 2;類似地,第二層方括號裡面含三個元素,shape 的第二個值就是 3;最內層方括號裡含四個元素,shape 的第二個值就是 4。

示例代碼:

x = torch.flatten(t, start_dim=1)
print(x, x.shape)
 
y = torch.flatten(t, start_dim=0, end_dim=1)
print(y, y.shape)
 
 
運行結果:
 
tensor([[1, 2, 2, 1, 3, 4, 4, 3, 1, 2, 3, 4],
        [5, 6, 6, 5, 7, 8, 8, 7, 5, 6, 7, 8]]) 
torch.Size([2, 12])
 
tensor([[1, 2, 2, 1],
        [3, 4, 4, 3],
        [1, 2, 3, 4],
        [5, 6, 6, 5],
        [7, 8, 8, 7],
        [5, 6, 7, 8]]) 
torch.Size([6, 4])

可以看到,當 start_dim = 11 而 end_dim = −1−1 時,它把第 11 個維度到最後一個維度全部推平合並瞭。而當 start_dim = 00 而 end_dim = 11 時,它把第 00 個維度到第 11 個維度全部推平合並瞭。pytorch中的 torch.nn.Flatten 類和 torch.Tensor.flatten 方法其實都是基於上面的 torch.flatten 函數實現的。

到此這篇關於Python torch.flatten()函數案例詳解的文章就介紹到這瞭,更多相關Python torch.flatten()函數內容請搜索WalkonNet以前的文章或繼續瀏覽下面的相關文章希望大傢以後多多支持WalkonNet!

推薦閱讀: