【pytorch】torch.nn.Unfold操作

说明一个代码里涉及到了unfold的操作看了半天官网都没整明白维度怎么变化的参考这个链接搞明白了https://blog.csdn.net/ViatorSun/article/details/119940759https://zhuanlan.zhihu.com/p/361140988维度计算输入 N, C, H, W输出N,C×∏(kernel_size),LL 是通过卷积核滑动裁剪后得到的区块的数量。C×∏(kernel_size)是怎么来的从第一个参考链接的图可以看到就是窗口滑动的时候把窗口同一个位置的值放在了一个通道所以窗口有多少个像素就变成了多少个通道。用参考博客的代码做一个示例inputstorch.randn(1,2,4,4)print(inputs.size())print(inputs)unfoldtorch.nn.Unfold(kernel_size(2,2),stride2)patchesunfold(inputs)print(patches.size())print(patches)输出结果torch.Size([1,2,4,4])tensor([[[[0.4448,-1.8525,-1.8243,-1.0243],[0.0224,-1.2402,-0.7154,-1.2538],[-0.6515,-0.6022,0.2263,-1.6286],[0.2067,0.8257,-1.9318,1.0372]],[[2.4799,-0.5248,-0.3170,1.5934],[-0.3643,1.1624,-1.5762,-0.1827],[-0.0553,0.1629,-1.3280,-0.8468],[0.0671,1.6328,1.1706,1.7891]]]])torch.Size([1,8,4])tensor([[[0.4448,-1.8243,-0.6515,0.2263],[-1.8525,-1.0243,-0.6022,-1.6286],[0.0224,-0.7154,0.2067,-1.9318],[-1.2402,-1.2538,0.8257,1.0372],[2.4799,-0.3170,-0.0553,-1.3280],[-0.5248,1.5934,0.1629,-0.8468],[-0.3643,-1.5762,0.0671,1.1706],[1.1624,-0.1827,1.6328,1.7891]]])用两个窗口的情况来举例每个位置对应的结果情况如下更容易看的例子importtorch# 输入: 1张图, 2通道, 4x4xtorch.tensor([[# 通道0[1,2,3,4],[5,6,7,8],[9,10,11,12],[13,14,15,16]],[# 通道1[17,18,19,20],[21,22,23,24],[25,26,27,28],[29,30,31,32]]]).unsqueeze(0)# 添加batch维度 - [1, 2, 4, 4]print(f输入形状:{x.shape})# 输出: 输入形状: torch.Size([1, 2, 4, 4])xx.float()# 转为 float32unfoldertorch.nn.Unfold(kernel_size(3,3),stride1,padding1,dilation1)outputunfolder(x)print(f有padding输出形状:{output.shape})# 输出: torch.Size([1, 18, 16])# 解释: [B1, C*K*K18, 输出位置数 4*416]print(output)原始图像 (4x4): ┌──┬──┬──┬──┐ │ 1│ 2│ 3│ 4│ ├──┼──┼──┼──┤ │ 5│ 6│ 7│ 8│ ├──┼──┼──┼──┤ │ 9│10│11│12│ ├──┼──┼──┼──┤ │13│14│15│16│ └──┴──┴──┴──┘ padding1 后 (6x6边缘补0): ┌──┬──┬──┬──┬──┬──┐ │ 0│ 0│ 0│ 0│ 0│ 0│ ├──┼──┼──┼──┼──┼──┤ │ 0│ 1│ 2│ 3│ 4│ 0│ ← 原图像被包围 ├──┼──┼──┼──┼──┼──┤ │ 0│ 5│ 6│ 7│ 8│ 0│ ├──┼──┼──┼──┼──┼──┤ │ 0│ 9│10│11│12│ 0│ ├──┼──┼──┼──┼──┼──┤ │ 0│13│14│15│16│ 0│ ├──┼──┼──┼──┼──┼──┤ │ 0│ 0│ 0│ 0│ 0│ 0│ └──┴──┴──┴──┴──┴──┘有padding输出形状: torch.Size([1, 18, 16])tensor([[[ 0., 0., 0., 0., 0., 1., 2., 3., 0., 5., 6., 7., 0., 9.,10., 11.],[ 0., 0., 0., 0., 1., 2., 3., 4., 5., 6., 7., 8., 9., 10.,11., 12.],[ 0., 0., 0., 0., 2., 3., 4., 0., 6., 7., 8., 0., 10., 11.,12., 0.],[ 0., 1., 2., 3., 0., 5., 6., 7., 0., 9., 10., 11., 0., 13.,14., 15.],[ 1., 2., 3., 4., 5., 6., 7., 8., 9., 10., 11., 12., 13., 14.,15., 16.],[ 2., 3., 4., 0., 6., 7., 8., 0., 10., 11., 12., 0., 14., 15.,16., 0.],[ 0., 5., 6., 7., 0., 9., 10., 11., 0., 13., 14., 15., 0., 0.,0., 0.],[ 5., 6., 7., 8., 9., 10., 11., 12., 13., 14., 15., 16., 0., 0.,0., 0.],[ 6., 7., 8., 0., 10., 11., 12., 0., 14., 15., 16., 0., 0., 0.,0., 0.],前9个通道的第一个元素就是第一个窗口0,0,0,0,1,2,0,5,6[ 0., 0., 0., 0., 0., 17., 18., 19., 0., 21., 22., 23., 0., 25.,26., 27.],[ 0., 0., 0., 0., 17., 18., 19., 20., 21., 22., 23., 24., 25., 26.,27., 28.],[ 0., 0., 0., 0., 18., 19., 20., 0., 22., 23., 24., 0., 26., 27.,28., 0.],[ 0., 17., 18., 19., 0., 21., 22., 23., 0., 25., 26., 27., 0., 29.,30., 31.],[17., 18., 19., 20., 21., 22., 23., 24., 25., 26., 27., 28., 29., 30.,31., 32.],[18., 19., 20., 0., 22., 23., 24., 0., 26., 27., 28., 0., 30., 31.,32., 0.],[ 0., 21., 22., 23., 0., 25., 26., 27., 0., 29., 30., 31., 0., 0.,0., 0.],[21., 22., 23., 24., 25., 26., 27., 28., 29., 30., 31., 32., 0., 0.,0., 0.],[22., 23., 24., 0., 26., 27., 28., 0., 30., 31., 32., 0., 0., 0.,0., 0.]]])