Python torch.flatten()函数案例详解

先看函数参数：

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

input: 一个 tensor，即要被“推平”的 tensor。

start_dim: “推平”的起始维度。

end_dim: “推平”的结束维度。

首先如果按照 start_dim 和 end_dim 的默认值，那么这个函数会把 input 推平成一个 shape 为 [n][n] 的tensor，其中 nn 即 input 中元素个数。

如果我们要自己设定起始维度和结束维度呢？

我们要先来看一下 tensor 中的 shape 是怎么样的：

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)
 
运行结果：
 
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])

我们可以看到，最外层的方括号内含两个元素，因此 shape 的第一个值是 2；类似地，第二层方括号里面含三个元素，shape 的第二个值就是 3；最内层方括号里含四个元素，shape 的第二个值就是 4。

示例代码：

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)
 
 
运行结果：
 
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，当 start_dim = 11 而 end_dim = −1−1 时，它把第 11 个维度到最后一个维度全部推平合并了。而当 start_dim = 00 而 end_dim = 11 时，它把第 00 个维度到第 11 个维度全部推平合并了。pytorch中的 torch.nn.Flatten 类和 torch.Tensor.flatten 方法其实都是基于上面的 torch.flatten 函数实现的。

到此这篇关于Python torch.flatten()函数案例详解的文章就介绍到这了,更多相关Python torch.flatten()函数内容请搜索本站以前的文章或继续浏览下面的相关文章希望大家以后多多支持本站！

美国服务器租用

版权声明：本站文章来源标注为YINGSOO的内容版权均为本站所有，欢迎引用、转载，请保持原文完整并注明来源及原文链接。禁止复制或仿造本网站，禁止在非www.yingsoo.com所属的服务器上建立镜像，否则将依法追究法律责任。本站部分内容来源于网友推荐、互联网收集整理而来，仅供学习参考，不代表本站立场，如有内容涉嫌侵权，请联系alex-e#qq.com处理。