mindspore.nn.Unfold

class mindspore.nn.Unfold(ksizes, strides, rates, padding='valid')

从图像中提取滑窗的区域块。

输入为一个四维的Tensor，数据格式为(N, C, H, W)。

参数：

• ksizes (Union[tuple[int], list[int]]) - 滑窗大小，其格式为[1, ksize_row, ksize_col, 1]的int组成的tuple或list。

• strides (Union[tuple[int], list[int]]) - 滑窗步长，其格式为[1, stride_row, stride_col, 1]的int组成的tuple或list。

• rates (Union[tuple[int], list[int]]) - 滑窗元素之间的空洞个数，其格式为[1, rate_row, rate_col, 1] 的int组成的tuple或list。

• padding (str) - 填充模式，可选值有： "same" 或 "valid" 的字符串，不区分大小写。默认值： "valid" 。

  • "same" - 指所提取的区域块的部分区域可以在原始图像之外，此部分填充为0。

  • "valid" - 表示所取的区域快必须被原始图像所覆盖。

输入：

• x (Tensor) - 输入四维Tensor，其shape为 $[in\mathrm{\_}batch,in\mathrm{\_}depth,in\mathrm{\_}row,in\mathrm{\_}col]$，其数据类型为int。

输出：

Tensor，输出为四维Tensor，数据类型与 x 相同，其shape为 $(out\mathrm{\_}batch,out\mathrm{\_}depth,out\mathrm{\_}row,out\mathrm{\_}col)$，且 out_batch 与 in_batch 相同。

• $out\mathrm{\_}depth=ksize\mathrm{\_}row\ast ksize\mathrm{\_}col\ast in\mathrm{\_}depth$

• $out\mathrm{\_}row=(in\mathrm{\_}row-(ksize\mathrm{\_}row+(ksize\mathrm{\_}row-1)\ast (rate\mathrm{\_}row-1)))//stride\mathrm{\_}row+1$

• $out\mathrm{\_}col=(in\mathrm{\_}col-(ksize\mathrm{\_}col+(ksize\mathrm{\_}col-1)\ast (rate\mathrm{\_}col-1)))//stride\mathrm{\_}col+1$

异常：

• TypeError - ksizes ， strides 或 rates 既不是tuple，也不是list。

• ValueError - ksizes ， strides 或 rates 的shape不是 $(1,x\mathrm{\_}row,x\mathrm{\_}col,1)$。

• ValueError - ksizes ， strides 或 rates 的第二个和第三个元素小于1。

支持平台：

Ascend GPU

样例：

>>> import mindspore
>>> from mindspore import Tensor, nn
>>> import numpy as np
>>> net = nn.Unfold(ksizes=[1, 2, 2, 1], strides=[1, 2, 2, 1], rates=[1, 2, 2, 1])
>>> # As stated in the above code:
>>> # ksize_row = 2, ksize_col = 2, rate_row = 2, rate_col = 2, stride_row = 2, stride_col = 2.
>>> image = Tensor(np.ones([2, 3, 6, 6]), dtype=mindspore.float16)
>>> # in_batch = 2, in_depth = 3, in_row = 6, in_col = 6.
>>> # Substituting the formula to get:
>>> # out_batch = in_batch = 2
>>> # out_depth = 2 * 2 * 3 = 12
>>> # out_row = (6 - (2 + (2 - 1) * (2 - 1))) // 2 + 1 = 2
>>> # out_col = (6 - (2 + (2 - 1) * (2 - 1))) // 2 + 1 = 2
>>> output = net(image)
>>> print(output.shape)
(2, 12, 2, 2)