MaxUnpool1d¶

class torch.nn.MaxUnpool1d(kernel_size, stride=None, padding=0)[源代码]¶

计算MaxPool1d的部分逆。

MaxPool1d 不是完全可逆的，因为非最大值会丢失。

MaxUnpool1d 接受 MaxPool1d 的输出作为输入，包括最大值的索引，并计算一个部分逆运算，其中所有非最大值都设置为零。

注意

当输入索引有重复值时，此操作可能会表现出不确定性。请参阅 https://github.com/pytorch/pytorch/issues/80827 和可重复性以获取更多信息。

注意

MaxPool1d 可以将多个输入大小映射到相同的输出大小。因此，反向过程可能会变得不明确。为了适应这种情况，您可以在前向调用中提供所需的输出大小作为额外参数 output_size。请参阅下面的输入和示例。

Parameters

kernel_size (整数或元组) – 最大池化窗口的大小。
步幅 (整数或元组) – 最大池化窗口的步幅。默认情况下设置为 kernel_size。
填充 (int 或 tuple) – 添加到输入的填充

Inputs:

输入: 要反转的输入张量
indices: 由 MaxPool1d 给出的索引
output_size（可选）：目标输出大小

Shape:

输入： $(N, C, H_{in})$ 或 $(C, H_{in})$ 。
输出: $(N, C, H_{out})$ 或 $(C, H_{out})$ , 其中

$H_{out} = (H_{in} - 1) \times \text{stride}[0] - 2 \times \text{padding}[0] + \text{kernel\_size}[0]$
或由调用操作符中的 output_size 给出

示例：

>>> pool = nn.MaxPool1d(2, stride=2, return_indices=True)
>>> unpool = nn.MaxUnpool1d(2, stride=2)
>>> input = torch.tensor([[[1., 2, 3, 4, 5, 6, 7, 8]]])
>>> output, indices = pool(input)
>>> unpool(output, indices)
tensor([[[ 0.,  2.,  0.,  4.,  0.,  6.,  0., 8.]]])

>>> # 示例展示了如何使用 output_size
>>> input = torch.tensor([[[1., 2, 3, 4, 5, 6, 7, 8, 9]]])
>>> output, indices = pool(input)
>>> unpool(output, indices, output_size=input.size())
tensor([[[ 0.,  2.,  0.,  4.,  0.,  6.,  0., 8.,  0.]]])

>>> unpool(output, indices)
tensor([[[ 0.,  2.,  0.,  4.,  0.,  6.,  0., 8.]]])