文档反馈

问题文档片段

问题文档片段包含公式时，显示为空格。

提交类型

issue

有点复杂...

找人问问吧。

PR

小问题，全程线上修改...

一键搞定！

请选择提交类型

问题类型

规范和低错类

- 规范和低错类：

- 错别字或拼写错误，标点符号使用错误、公式错误或显示异常。

- 链接错误、空单元格、格式错误。

- 英文中包含中文字符。

- 界面和描述不一致，但不影响操作。

- 表述不通顺，但不影响理解。

- 版本号不匹配：如软件包名称、界面版本号。

易用性

- 易用性：

- 关键步骤错误或缺失，无法指导用户完成任务。

- 缺少主要功能描述、关键词解释、必要前提条件、注意事项等。

- 描述内容存在歧义指代不明、上下文矛盾。

- 逻辑不清晰，该分类、分项、分步骤的没有给出。

正确性

- 正确性：

- 技术原理、功能、支持平台、参数类型、异常报错等描述和软件实现不一致。

- 原理图、架构图等存在错误。

- 命令、命令参数等错误。

- 代码片段错误。

- 命令无法完成对应功能。

- 界面错误，无法指导操作。

- 代码样例运行报错、运行结果不符。

风险提示

- 风险提示：

- 对重要数据或系统存在风险的操作，缺少安全提示。

内容合规

- 内容合规：

- 违反法律法规，涉及政治、领土主权等敏感词。

- 内容侵权。

请选择问题类型

问题描述

点击输入详细问题描述，以帮助我们快速定位问题。

提交

文档反馈

mindspore.ops.Col2Im

class mindspore.ops.Col2Im(kernel_size, dilation=1, padding=0, stride=1)

将一个行向量重新排列成图像。通常用于从一组图像补丁（或滑动局部块）中重建图像。

假设输入Tensor的shape为 $(N,C,\prod (\text{kernel\_size}),L)$ ，$N$ 代表Batch数量，$C$ 代表Channel数量，$\prod (\text{kernel\_size})$ 代表滑窗大小，$L$ 代表滑窗总数。Col2Im将这些局部块组合成shape为 $(N,C,\text{output\_size}[0],\text{output\_size}[1],\dots )$ 的Tensor作为输出，对于滑块间的重叠值采取求和策略。

输入与输出的shape之间的关系可以表示为：

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

式中 $d$ 代表高度与宽度上两个维度， dilation 、 padding 和 stride 决定了滑窗如何滑动与检索元素。

警告

这是一个实验性API，后续可能修改或删除。

参数：

• kernel_size (Union[int, tuple[int], list[int]]) - 滑窗大小，由两个正整数组成，分别代表滑窗的高度与宽度。如果数据类型为int，代表不同方向上的填充大小相等。取值必须由用户指定。

• dilation (Union[int, tuple[int], list[int]], 可选) - 滑窗之间的间距，由两个正整数组成，分别代表横向与纵向上滑窗移动时与上一个滑窗间的距离。如果数据类型为int，代表不同方向上的填充大小相等。默认值： 1 。

• padding (Union[int, tuple[int], list[int]], 可选) - 滑窗取数前在输入 x 周围隐式填充0（若需）的范围，由两个正整数组成，分别代表横向与纵向上的填充范围。如果数据类型为int，代表不同方向上的填充大小相等。默认值： 0 。

• stride (Union[int, tuple[int], list[int]], 可选) - 滑窗移动的步长，由两个正整数组成，分别代表滑窗在横向与纵向上的移动步长。如果数据类型为int，代表不同方向上的步长相等。默认值： 1 。

输入：

• x (Tensor) - 4D 输入Tensor。

• output_size (Tensor) - 1D Tensor，输出Tensor的后两维的shape，包含2个元素且其数据类型为int32或int64。

输出：

4D Tensor，类型与输入 x 一致。

异常：

• TypeError - 输入 kernel_size 、 dilation 、 padding 、 stride 的数据类型不是int、tuple[int]或list[int]之一。

• ValueError - 输入 kernel_size 、 dilation 、 padding 、 stride 的值小于等于0或者其中元素的个数大于2。

• ValueError - x.shape[2] != kernel_size[0] * kernel_size[1]。

• ValueError - x.shape[3]与计算出的滑动块数量不匹配。

支持平台：

Ascend GPU CPU

样例：

>>> import numpy as np
>>> from mindspore import Tensor, ops
>>> from mindspore import dtype as mstype
>>> x = Tensor(input_data=np.random.rand(16, 16, 4, 25), dtype=mstype.float32)
>>> output_size = Tensor(input_data=[8, 8], dtype=mstype.int32)
>>> col2im = ops.Col2Im(kernel_size=[2, 2], dilation=[2, 2], padding=[2, 2], stride=[2, 2])
>>> y = col2im(x, output_size)
>>> print(y.shape)
(16, 16, 8, 8)