折叠

class torch.nn.Fold(output_size, kernel_size, dilation=1, padding=0, stride=1)

将滑动局部块的数组合并为一个大的包含张量。

考虑一个包含滑动局部块的批处理 input 张量，例如图像的补丁，形状为 $(N, C \times \prod(\text{kernel\_size}), L)$， 其中 $N$ 是批次维度，$C \times \prod(\text{kernel\_size})$ 是块内的值的数量（一个块有 $\prod(\text{kernel\_size})$ 个空间位置，每个位置包含一个 $C$ 通道的向量），并且 $L$ 是块的总数。（这与 Unfold 的输出形状完全相同。）此 操作将这些局部块组合成形状为 $(N, C, \text{output\_size}[0], \text{output\_size}[1], \dots)$ 的大 output 张量，通过求和重叠的值。与 Unfold 类似， 参数必须满足

$$L = \prod_d \left\lfloor\frac{\text{output\_size}[d] + 2 \times \text{padding}[d] - \text{dilation}[d] \times (\text{kernel\_size}[d] - 1) - 1}{\text{stride}[d]} + 1\right\rfloor,$$

其中 $d$ 是所有空间维度的总和。

• output_size 描述了包含滑动局部块的大张量的空间形状。当多个输入形状映射到相同数量的滑动块时，它有助于消除歧义，例如，使用 stride > 0 时。

参数padding、stride 和 dilation 指定了如何获取滑动块。

• stride 控制滑动块的步幅。

• padding 控制重塑之前在每个维度的两侧添加的隐式零填充的数量。

• dilation 控制卷积核点之间的间距；也称为à trous算法。 这很难描述，但这个 链接 有一个很好的可视化展示了 dilation 的作用。

Parameters

• output_size (int 或 tuple) – 输出空间维度的形状（即，output.sizes()[2:]）

• kernel_size (int 或 tuple) – 滑动块的大小

• 膨胀 (int 或 tuple, 可选) – 一个控制邻域内元素步长的参数。默认值：1

• 填充 (int 或 tuple, 可选) – 在输入的两边添加隐式的零填充。默认值：0

• 步幅 (整数 或 元组) – 输入空间维度中滑动块的步幅。默认值：1

• 如果 output_size、kernel_size、dilation、 padding 或 stride 是整数或长度为1的元组，则它们的值将在所有空间维度上复制。

• 对于两个输出空间维度的情况，这个操作有时被称为col2im。

注意

Fold 通过将所有包含块中的所有值相加来计算结果大张量中的每个组合值。 Unfold 通过从大张量中复制来提取局部块中的值。因此，如果块重叠，它们不是彼此的逆。

一般来说，折叠和展开操作的关系如下。考虑使用相同参数创建的 Fold 和 Unfold 实例：

>>> fold_params = dict(kernel_size=..., dilation=..., padding=..., stride=...)
>>> fold = nn.Fold(output_size=..., **fold_params)
>>> unfold = nn.Unfold(**fold_params)

然后对于任何（支持的）输入张量，以下等式成立：

fold(unfold(input)) == divisor * input

其中 divisor 是一个仅依赖于 input 的形状和数据类型的张量：

>>> input_ones = torch.ones(input.shape, dtype=input.dtype)
>>> divisor = fold(unfold(input_ones))

当 divisor 张量不包含零元素时， fold 和 unfold 操作是彼此的逆操作（除以常数因子外）。

警告

目前，仅支持未批处理（3D）或批处理（4D）的图像类输出张量。

Shape:

• 输入: $(N, C \times \prod(\text{kernel\_size}), L)$ 或 $(C \times \prod(\text{kernel\_size}), L)$

• 输出: $(N, C, \text{output\_size}[0], \text{output\_size}[1], \dots)$ 或 $(C, \text{output\_size}[0], \text{output\_size}[1], \dots)$ 如上所述

示例：

>>> fold = nn.Fold(output_size=(4, 5), kernel_size=(2, 2))
>>> input = torch.randn(1, 3 * 2 * 2, 12)
>>> output = fold(input)
>>> output.size()
torch.Size([1, 3, 4, 5])