mindspore.mint.nn.functional.unfold
- mindspore.mint.nn.functional.unfold(input, kernel_size, dilation=1, padding=0, stride=1)[源代码]
从一个batch的输入Tensor中提取滑动局部块。
考虑一个batch的输入Tensor,其shape为 \((N, C, *)\) ,其中 \(N\) 是batch维度, \(C\) 是channel维度, \(*\) 表示任意的空间维度。此操作将展平输入 x 空间维度内每个滑动的 kernel_size 大小的滑块为输出的3-D Tensor中的一列(如,最后一维),输出Tensor的shape为 \((N, C \times \prod(\text{kernel_size}), L)\) , 其中 \(C \times \prod(\text{kernel_size})\) 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:
\[L = \prod_d \left\lfloor\frac{\text{spatial_size}[d] + 2 \times \text{padding}[d] % - \text{dilation}[d] \times (\text{kernel_size}[d] - 1) - 1}{\text{stride}[d]} + 1\right\rfloor,\]其中, \(\text{spatial_size}\) 由 input 的空间维度(上面的 \(*\) )决定, \(d\) 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4-D(包含批维度)的类图像Tensor。
对于Ascend,仅Atlas A2以上平台支持。
- 参数:
input (Tensor) - 四维Tensor。
kernel_size (Union[int, tuple[int], list[int]]) - 滑窗大小。应该是两个int,分别为滑窗的高度和宽度;如果 kernel_size 是int,则高度和宽度均为这个int值。是一个必要参数。
dilation (Union[int, tuple[int], list[int]],可选) - 窗口的空洞卷积的扩充率,应该是两个int,分别作用于滑窗的高度和宽度;如果 dilation 是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,应该是两个int,分别作用于滑窗的高度和宽度;如果是 padding 是int,则这个值作用于滑窗的高度和宽度。默认值:
0
。stride (Union[int, tuple[int], list[int]],可选) - 空间维度上滑动的步长,应该是两个int,分别为滑窗的高和宽方向上的步长;如果 stride 是int,则高和宽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 - \((N, C, *)\)
output - \((N, C \times \prod(\text{kernel_size}), L)\)
- 异常:
TypeError - 如果 kernel_size 、 stride 、 dilation 、 padding 的数据类型不是int、tuple或者list。
ValueError - 如果 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。
- 支持平台:
Ascend
样例:
>>> import mindspore >>> import numpy as np >>> from mindspore import Tensor, mint >>> x = Tensor(np.random.rand(4, 4, 32, 32), mindspore.float32) >>> output = mint.nn.functional.unfold(x, kernel_size=3, dilation=1, stride=1) >>> print(output.shape) (4, 36, 900)