mindspore.mint.nn.functional.fold

mindspore.mint.nn.functional.fold(input, output_size, kernel_size, dilation=1, padding=0, stride=1)[源代码]

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：

\[L = \prod_d \left\lfloor\frac{\text{output_size}[d] + 2 \times \text{padding}[d] % - \text{dilation}[d] \times (\text{kernel_size}[d] - 1) - 1}{\text{stride}[d]} + 1\right\rfloor,\]

其中, \(d\) 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 - \((N, C, output\_size[0], output\_size[1], ...)\) 或 \((C, output\_size[0], output\_size[1], ...)\)

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)