torch.nn.functional.unfold

最新推荐文章于 2025-03-20 16:07:24 发布
原创 最新推荐文章于 2025-03-20 16:07:24 发布 · 3.5k 阅读 · 6 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文详细介绍了PyTorch中nn.functional.unfold函数的工作原理，该函数用于从批量输入张量中提取滑动局部块，特别适用于图像数据。文章解释了如何通过设置kernel_size、dilation、padding和stride参数来控制窗口大小和移动方式，以及如何计算窗口总数L。
部署运行你感兴趣的模型镜像

torch.nn.functional.unfold(input, kernel_size, dilation=1, padding=0, stride=1)

从批量的输入张量中(batch_size,channel,H,W)提取滑动局部块(kernel_size的正方形）。

Warning：Currently, only 4-D input tensors (batched image-like tensors) are supported.进行unfold操作时最好clone一个新的张量并在其上进行操作

假设有 input tensor of shape (N, C, *)，其中N是batch dimension, C是channel dimension,  ∗ 代表任意spatial dimensions.

unfold操作在input的spatial dimension种滑动一个大小为kernel size的window，并将一个window内的值展平，变为一个三维向量的一列。三维向量的大小为

                                                                        (N,C\times \prod kernelsize,L)

显然L代表了一共产生的window总数，第二个维度代表一个window内的数的个数。这么一列可用tensor.view(C，kernel_size,kernel_size)还原。

dilation可以理解为如下图：

上图，kernel_size=3,dilation=2

 

 

L的计算公式为

L=\prod_{d}\left \lfloor \frac{SpatialSize[d]+2\times Padding[d]-dilation[d]\times( KernelSize[d]-1)-1}{stride[d]} +1\right \rfloor

 

 

您可能感兴趣的与本文相关的镜像

PyTorch 2.6

PyTorch 2.6

PyTorch
Cuda

PyTorch 是一个开源的 Python 机器学习库，基于 Torch 库，底层由 C++ 实现，应用于人工智能领域，如计算机视觉和自然语言处理

torch.nn.functional.unfold与torch.nn.functional.fold函数
qq_46131737的博客
08-06 894
torch.nn.functional.fold常与torch.nn.functional.unfold搭配使用，是unfold的逆过程，参数基本一致。torch.nn.functional.unfold是PyTorch中的一个函数，用于将输入张量展开为一个二维张量。展开的方式是将输入张量的每个滑动窗口视为一个列向量，并将这些列向量按顺序排列成一个二维张量。padding表示在输入的两侧进行填充的长度，通常情况下是采用全0填补；input表示输入张量，即unfold函数操作的对象，
torch.nn.Unfold()详细解释
A3630623的专栏
10-07 5299
torch.nn.Unfold(kernel_size, dilation=1, padding=0, stride=1) 功能：从一个批次的输入张量中提取出滑动的局部区域块。（Extracts sliding local blocks from a batched input tensor.） 参数： kernel_size(intortuple) – 滑块的大小 stride(intortuple,optional) – 滑块的步长(the stride of the sliding blo..
【torch.nn.Fold】和【torch.nn.Unfold】
zyw2002的博客
08-09 1273
toch.nn.Fold 就是torch.nn.Unfold的逆操作，将提取出的滑动局部区域块还原成batch的张量形式。该操作将输入空间维度内的每个kernel_size大小的滑动块展平到一列中, 输出的大小为。（也就是卷积操作中的提取kernel filter对应的滑动窗口）把它按照顺序展开，得到的特征数就是。表示每个block中包含的所有值的个数，一个block是kernel_size的面积和通道数的乘积，torhc.nn.Unfold的功能： 从一个batch的样本中，提取出滑动的局部区域块。
torch.nn.functional.unfold（）
sky的博客
03-05 5508
函数定义： def unfold(input, kernel_size, dilation=1, padding=0, stride=1): """ input: tensor数据，四维， Batchsize, channel, height, width kernel_size: 核大小，决定输出tensor的数目。稍微详细讲 dilation: 输出形式是否...
PyTorch中torch.nn.functional.unfold函数使用详解
热门推荐
我的博客有点东西
11-09 3万+
首先跳到函数定义中，看一下有哪些参数。 def unfold(input, kernel_size, dilation=1, padding=0, stride=1): """ input: tensor数据，四维， Batchsize, channel, height, width kernel_size: 核大小，决定输出tensor的数目。稍微详细讲 ...
【PyTorch秒懂系列】torch.nn.Unfold/torch.nn.functional.unfold/F.unfold
jaredyam's blog
07-13 1659
nn.Unfold or F.unfold Extracts sliding local blocks from a batched input tensor. 将一个分批次的输入张量按局部块状区域逐次展开。 核心思想 作用于image-like的输入张量或特征图。作用后的特征图特征为原始特征图邻域特征展开、并逐通道连接后得到的新的特征图。 图示 [ 1.11 1.12 1.21 1.22 2.11 2.12 2.21 2.22 > x.yz: x=通道 y=高 z=宽 &g.
使用torch.nn.functional.unfold处理图片
09-07
您可以使用torch.nn.functional.unfold函数来处理图像。该函数可以将输入的图像转换为具有指定大小的滑动窗口块。 以下是使用torch.nn.functional.unfold函数处理图像的示例代码： ```python import torch import ...
【Pytorch 】nn.functional.unfold()==＞卷积操作中的提取kernel filter对应的滑动窗口
Drug discovery
06-24 1万+
unfold的作用就是手动实现(卷积中)的滑动窗口操作，也就是只有卷，没有积 return = F.unfold(input, kernel_size, dilation=1, padding=0, stride=1): input：输入Tensor，必须是四维的(B, C, H, W)， Batchsize, channel, height, width kernel_size：元组，表示滑动窗口大小，决定输出tensor的数目 dilation: 输出形式是否有间隔 pa.
【torch】torch.nn.functional 中的unfold和fold直观理解
胡侃有料的博客
10-22 1976
torch.nn.functional 中unfold和fold的直观理解
torch.nn.functional.unfold 用法解读
00000cj的博客
10-12 3657
上面的 \(\prod (kernel\_size)=2\times 3=6\)，窗口内共有2x3x5=30个值，对应输出维度中的 \(C\times \prod (kernel\_size)\)。接下来因为默认stride=1,dilation=1,padding=0，因此(2, 3)大小的kernel在维度(3, 4)中两个方向都只能滑动一次，因此滑动窗口只有4个位置，对应上面的 \(L=4\)。这里 \(L\) 的计算方式和卷积中输出大小的计算是一模一样的。
PyTorch基础（13）-- torch.nn.Unfold()方法
奋斗の博客
05-13 4871
一、方法详解 方法 torch.nn.Unfold(kernel_size, dilation=1, padding=0, stride=1) parameters kernel_size (int or tuple) – 滑动窗口的size stride (int or tuple, optional) – 空间维度上滑动的步长，默认步长为1 padding (int or tuple, optional) – implicit zero padding to be added
torch.functional.unfold
qq_39861441的博客
07-27 1482
unfold其实功能很简单就是在N*C*H*W的H*W平面上取块，然后堆叠，主要用于CV中的patch提取。 fold的功能与unfold相反，但具体计算规则没有搞明白，因为我看处理后的矩阵出现了输入没有的数字。 import torch from torch.nn import functional as f x = torch.arange(0, 1 * 3 * 15 * 15).float() x = x.view(1, 3, 15, 15) x1 = f.unfold(x, kernel_
torch.nn.Unfold类
zhangHK33的博客
07-23 295
PyTorch中torch.nn.Unfold类 官方文档连接：torch.nn.Unfold类. class torch.nn.Unfold(kernel_size, dilation=1, padding=0, stride=1) 从批量输入张量中提取滑动局部块 kernel_size：滑动块大小。 dilation：控制邻域内元素步幅的参数，默认为1。 padding：填充。 stride：滑动块在输入空间内的步幅。 考虑形状为（N, C，*）的批量输入张量，其中N为批维度，C为通道维度，*表示任
「详解」torch.nn.Fold和torch.nn.Unfold操作
绿色羽毛
08-27 2万+
torch.nn.Unfold 提取滑动窗口patches torch.nn.Unfold(kernel_size, dilation=1, padding=0, stride=1) kernel_size：滑动窗口的size stride：空间维度上滑动的步长，Default: 1 padding：在输入的两侧添加的隐式零填充. Default: 0 dilation：空洞卷积的扩充率，Default: 1torch.nn.Unfold按照官方的说法，既从一个batch的样本中，提取出滑动的局部区域块，
Pytorch nn.functional.unfold()的简单理解与用法
邹小驴
06-30 675
滑动窗口是2*2然后滑动输入的范围是2*2，比如滑动第一个是 输出是拉平变成 依次就变成以上的输出形式
pytorch实现手动滑窗，卷积（利用unfold,fold操作）
weixin_39831283的博客
08-07 3721
import torch from torch.nn import functional as f inp = torch.randn(2, 3, 4, 5) w = torch.randn(2, 3, 3, 3) inp_unf = torch.nn.functional.unfold(inp, (3, 3)) # [2,27,6] out_unf = inp_unf.transpose(1, 2).matmul(w.view(w.size(0), -1).t()).transpose(1, 2) o.
pytorch中的nn.Unfold()函数和fold(函数详解
qq_37937847的博客
04-13 2万+
文章目录1.nn.Unfold()函数2.nn.Fold(）函数 1.nn.Unfold()函数 描述：pytorch中的nn.Unfold()函数，在图像处理领域，经常需要用到卷积操作，但是有时我们只需要在图片上进行滑动的窗口操作，将图片切割成patch，而不需要进行卷积核和图片值的卷积乘法操作。这是就需要用到nn.Unfold()函数，该函数是从一个batch图片中，提取出滑动的局部区域块，也就是卷积操作中的提取kernel filter对应的滑动窗口。 torch.nn.Unfold(kernel_s
nn.Unfold函数详解
最新发布
qq_54867072的博客
03-20 895
kernel_size：卷积核的大小，可以是整数或者是元组，如kernel_size=3 表示使用 3x3 的卷积核，kernel_size=(3, 5) 表示使用一个 3x5 的卷积核。其中，L 是展开的局部块数量，等于卷积操作后有效区域的数量，d代表的是维度，通常只有两个维度，分别是图像的高度H和宽度W，spatial_size[d]是是输入张量在维度。假设我们有一个批次大小为1、输入通道为1、图像大小为4x4的图像，并且使用一个3x3的卷积核，步幅为1，没有填充。卷积核在输入张量上滑动的步长。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值