首页IT科技fspecial函数的使用方法(nn.Flatten()函数详解及示例)

fspecial函数的使用方法(nn.Flatten()函数详解及示例)

时间2025-07-30 03:55:24分类IT科技浏览6875
导读:torch.nn.Flatten(start_dim=1, end_dim=- 1 ...

torch.nn.Flatten(start_dim=1, end_dim=- 1)

作用:将连续的维度范围展平为张量               。 经常在nn.Sequential()中出现               ,一般写在某个神经网络模型之后                       ,用于对神经网络模型的输出进行处理       ,得到tensor类型的数据                       。

 有俩个参数               ,start_dim和end_dim                       ,分别表示开始的维度和终止的维度       ,默认值分别是1和-1        ,其中1表示第一维度                       ,-1表示最后的维度       。结合起来看意思就是从第一维度到最后一个维度全部给展平为张量               。(注意:数据的维度是从0开始的               ,也就是存在第0维度        ,第一维度并不是真正意义上的第一个)

同理                       ,如果我这么写:

self.flat = nn.Flatten(start_dim=2, end_dim=3)

那么意思就是从第二维度开始               ,到第三维度全部给展平,也就是将2               、3两个维度展平                       。

官网给出的示例:

input = torch.randn(32, 1, 5, 5) # With default parameters m = nn.Flatten() output = m(input) output.size() #torch.Size([32, 25]) # With non-default parameters m = nn.Flatten(0, 2) output = m(input) output.size() #torch.Size([160, 5])

#开头的代码是注释

整段代码的意思是:给定一个维度为(32                       ,1                       ,5,5)的随机数据       。

1.先使用一次nn.Flatten()               ,使用默认参数:

m = nn.Flatten()

也就是说从第一维度展平到最后一个维度                       ,数据的维度是从0开始的       ,第一维度实际上是数据的第二个位置代表的维度               ,也就是样例中的1        。

因此进行展平后的结果也就是[32                       ,1×5×5]➡[32       ,25]

2.接着再使用一次指定参数的nn.Flatten()        ,即

m = nn.Flatten(0, 2)

也就是说从第0维度展平到第2维度                       ,0~2               ,对应的也就是前三个维度                       。

因此结果就是[32×1×5        ,5]➡[160                       ,5]

创心域SEO版权声明:以上内容作者已申请原创保护,未经允许不得转载,侵权必究!授权事宜、对本内容有异议或投诉,敬请联系网站管理员,我们将尽快回复您,谢谢合作!

展开全文READ MORE
uniapp使用高德地图选址定位(uniapp使用高德JS API) seo公司网站推广(做seo推广网站)