脚本之家 服务器常用软件
快捷导航
您的位置：首页 → 脚本专栏 → python → Pytorch torch.flatten()和torch.nn.Flatten()

Pytorch中torch.flatten()和torch.nn.Flatten()实例详解

 更新时间：2022年02月25日 11:19:28   作者：有人比我慢吗  
这篇文章主要给大家介绍了关于Pytorch中torch.flatten()和torch.nn.Flatten()的相关资料,文中通过实例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下

 torch.flatten(x)等于torch.flatten(x，0)默认将张量拉成一维的向量，也就是说从第一维开始平坦化，torch.flatten(x，1)代表从第二维开始平坦化。

import torch
x=torch.randn(2,4,2)
print(x)
 
z=torch.flatten(x)
print(z)
 
w=torch.flatten(x,1)
print(w)
 
输出为：
tensor([[[-0.9814,  0.8251],
         [ 0.8197, -1.0426],
         [-0.8185, -1.3367],
         [-0.6293,  0.6714]],
 
        [[-0.5973, -0.0944],
         [ 0.3720,  0.0672],
         [ 0.2681,  1.8025],
         [-0.0606,  0.4855]]])
 
tensor([-0.9814,  0.8251,  0.8197, -1.0426, -0.8185, -1.3367, -0.6293,  0.6714,
        -0.5973, -0.0944,  0.3720,  0.0672,  0.2681,  1.8025, -0.0606,  0.4855])
 
 
tensor([[-0.9814,  0.8251,  0.8197, -1.0426, -0.8185, -1.3367, -0.6293,  0.6714]
,
        [-0.5973, -0.0944,  0.3720,  0.0672,  0.2681,  1.8025, -0.0606,  0.4855]
])

 torch.flatten(x,0,1)代表在第一维和第二维之间平坦化

import torch
x=torch.randn(2,4,2)
print(x)
 
w=torch.flatten(x,0,1) #第一维长度2，第二维长度为4，平坦化后长度为2*4
print(w.shape)
 
print(w)
 
输出为：
tensor([[[-0.5523, -0.1132],
         [-2.2659, -0.0316],
         [ 0.1372, -0.8486],
         [-0.3593, -0.2622]],
 
        [[-0.9130,  1.0038],
         [-0.3996,  0.4934],
         [ 1.7269,  0.8215],
         [ 0.1207, -0.9590]]])
 
torch.Size([8, 2])
 
tensor([[-0.5523, -0.1132],
        [-2.2659, -0.0316],
        [ 0.1372, -0.8486],
        [-0.3593, -0.2622],
        [-0.9130,  1.0038],
        [-0.3996,  0.4934],
        [ 1.7269,  0.8215],
        [ 0.1207, -0.9590]])

对于torch.nn.Flatten()，因为其被用在神经网络中，输入为一批数据，第一维为batch，通常要把一个数据拉成一维，而不是将一批数据拉为一维。所以torch.nn.Flatten()默认从第二维开始平坦化。

import torch
#随机32个通道为1的5*5的图
x=torch.randn(32,1,5,5)
 
model=torch.nn.Sequential(
    #输入通道为1，输出通道为6，3*3的卷积核，步长为1，padding=1
    torch.nn.Conv2d(1,6,3,1,1),
    torch.nn.Flatten()
)
output=model(x)
print(output.shape)  # 6*（7-3+1）*（7-3+1）
 
输出为：
 
torch.Size([32, 150])

总结

到此这篇关于Pytorch中torch.flatten()和torch.nn.Flatten()的文章就介绍到这了,更多相关Pytorch torch.flatten()和torch.nn.Flatten()内容请搜索脚本之家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脚本之家！

您可能感兴趣的文章:

相关文章

  • Python破解BiliBili滑块验证码的思路详解(完美避开人机识别)

    Python破解BiliBili滑块验证码的思路详解(完美避开人机识别)

    这篇文章主要介绍了Python破解BiliBili滑块验证码的思路，本文通过实例代码给大家介绍的非常详细，具有一定的参考借鉴价值,需要的朋友可以参考下
    2020-02-02
  • Python3安装Scrapy的方法步骤

    Python3安装Scrapy的方法步骤

    本篇文章主要介绍了Python3安装Scrapy的方法步骤，小编觉得挺不错的，现在分享给大家，也给大家做个参考。一起跟随小编过来看看吧
    2017-11-11
  • python模块简介之有序字典（OrderedDict）

    python模块简介之有序字典（OrderedDict）

    字典是Python开发中很常用的一种数据结构，但dict有个缺陷（其实也不算缺陷），迭代时并不是按照元素添加的顺序进行，可能在某些场景下，不能满足我们的要求。
    2016-12-12
  • python基于event实现线程间通信控制

    python基于event实现线程间通信控制

    这篇文章主要介绍了python基于event实现线程间通信控制,文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下
    2020-01-01
  • Django正则URL匹配实现流程解析

    Django正则URL匹配实现流程解析

    这篇文章主要介绍了Django正则URL匹配实现流程解析,文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下
    2020-11-11
  • Python Pydantic进行数据验证的方法详解

    Python Pydantic进行数据验证的方法详解

    在 Python 中,有许多库可用于数据验证和处理,其中一个流行的选择是 Pydantic,下面就跟随小编一起学习一下Pydantic 的基本概念和用法吧
    2024-01-01
  • Python数据分析之彩票的历史数据

    Python数据分析之彩票的历史数据

    这篇文章主要介绍了Python数据分析之彩票的历史数据,文中有非常详细的代码示例,对正在学习python的小伙伴们有非常好的帮助,需要的朋友可以参考下
    2021-04-04
  • Elasticsearches的集群搭建及数据分片过程详解

    Elasticsearches的集群搭建及数据分片过程详解

    这篇文章主要为大家介绍了Elasticsearches的集群搭建及数据分片过程详解，有需要的朋友可以借鉴参考下，希望能够有所帮助，祝大家多多进步，早日升职加薪
    2022-04-04
  • Python使用JSON库解析JSON数据的方法

    Python使用JSON库解析JSON数据的方法

    这篇文章主要介绍了Python使用JSON库解析JSON数据,主要包括如何在网页中获取json数据及python内置的json库，本文给大家介绍的非常详细，对大家的学习或工作具有一定的参考借鉴价值，需要的朋友可以参考下
    2022-06-06
  • 浅要分析Python程序与C程序的结合使用

    浅要分析Python程序与C程序的结合使用

    这篇文章主要介绍了Python程序与C程序的结合使用,包括Python程序如何利用C程序的dll外链等等,来自IBM官网的技术文档,需要的朋友可以参考下
    2015-04-04

最新评论