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