mindspore.mint.nn.functional.fold

mindspore.mint.nn.functional.fold(input, output_size, kernel_size, dilation=1, padding=0, stride=1)

将提取出的滑动局部区域块还原成更大的输出Tensor。

考虑一个batch的输入Tensor，其shape为 $(N,C\times \prod (\text{kernel\_size}),L)$ ， 其中 $N$ 是批次维度，$C\times \prod (\text{kernel\_size})$ 为每个滑块内值的总数量(一个滑块有 $\prod (\text{kernel\_size})$ 个空间位置， 每个位置都包含一个 C 通道的向量)，共有 $L$ 个这样的滑块：

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

其中， $d$ 遍历所有的空间维度。

因此，在最后一个维度(列维度)上 output 包含特定块内的所有值。

dilation， padding 和 stride 决定了滑块如何被取出。

警告

• 目前，只支持3-D或4-D（包含批维度）的类图像输出Tensor。

参数：

• input (Tensor) - 二维或三维Tensor。

• output_size (Union[int, tuple[int], list[int]]) - 表示输出Tensor的空间维度（如output.shape[2:]）。

• kernel_size (Union[int, tuple[int], list[int]]) - 滑动窗口的大小。如果类型为tuple或者list，则存在两个int元素分别对应kernel的高度与宽度；如果类型为int，则kernel的高度与宽度均为该值。

• dilation (Union[int, tuple[int], list[int]]，可选) - 窗口的空洞卷积的扩充率。如果类型为tuple或者list，则存在两个int元素分别作用于滑窗的高度和宽度；如果类型为int，则这个值作用于滑窗的高度和宽度。默认值： 1 。

• padding (Union[int, tuple[int], list[int]]，可选) - 滑窗的隐式零填充量。如果类型为tuple或者list，则存在的两个int元素分别为滑窗的高度和宽度方向的填充量；如果类型为int，则高度和宽度方向的填充量均为这个int值。默认值： 0 。

• stride (Union[int, tuple[int], list[int]]，可选) - 空间维度上滑动的步长。如果类型为tuple或者list，则存在的两个int元素分别为滑窗的高度和宽度方向上的步长；如果类型为，则高度和宽度方向上的步长均为这个int值。默认值： 1 。

返回：

Tensor，数据类型与 input 相同。

Shape:

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

• output - $(N,C,output\mathrm{\_}size[0],output\mathrm{\_}size[1],...)$ 或 $(C,output\mathrm{\_}size[0],output\mathrm{\_}size[1],...)$

异常：

• TypeError - 如果 output_size、 kernel_size 、 stride 、 dilation 、 padding 的数据类型不是int、tuple或者list。

• ValueError - 如果 output_size 、 kernel_size、 dilation、 stride 包含元素的值小于等于0或者元素个数不合法。

• ValueError - 如果 padding 包含元素的值小于零或者元素个数不合法。

• ValueError - 如果 input.shape[-2] 无法被 kernel_size 的乘积整除。

• ValueError - 如果 input.shape[-1] 不等于计算出的滑块数量 L 。

支持平台：

Ascend

样例：

>>> import numpy as np
>>> from mindspore import Tensor, mint
>>> x = Tensor(np.random.rand(16, 64, 25).astype(np.float32))
>>> output = mint.nn.functional.fold(x, (8, 8), [2, 2], [2, 2], [2, 2], [2, 2])
>>> print(output.shape)
(16, 16, 8, 8)