torch.flatten

`torch.flatten`(input, start_dim=0, end_dim=- 1) → Tensor

input (Tensor) – the input tensor.
start_dim (int) – the first dim to flatten
end_dim (int) – the last dim to flatten

例如数据维度[2,3,4,4]

如果flatten(Input, start_dim = 1)，则表示从第一维开始打平所有数据直到最后一维，则最终的数据被打平为两组。

如果flatten(Input, start_dim = 0)，则表示从第0维开始打平所有数据直到最后一维，则最终的数据被打平为一组。

input

x = torch.randint(0,5,[2,3,4,4])
x
Out[31]:
tensor([[[[1, 2, 4, 4],[1, 3, 2, 0],[1, 2, 1, 0],[2, 0, 4, 2]],[[2, 0, 1, 3],[3, 2, 0, 4],[4, 0, 4, 1],[0, 1, 1, 2]],[[0, 2, 2, 1],[2, 3, 1, 3],[1, 4, 3, 0],[1, 4, 0, 3]]],[[[0, 0, 0, 4],[2, 1, 1, 4],[2, 3, 2, 3],[0, 1, 0, 0]],[[3, 0, 2, 0],[2, 0, 0, 3],[1, 1, 2, 2],[2, 3, 3, 3]],[[2, 0, 1, 4],[4, 3, 0, 1],[3, 2, 1, 4],[3, 0, 0, 0]]]])

torch.flatten(x,1)

torch.flatten(x,1)
Out[32]:
tensor([[1, 2, 4, 4, 1, 3, 2, 0, 1, 2, 1, 0, 2, 0, 4, 2, 2, 0, 1, 3, 3, 2, 0, 4,4, 0, 4, 1, 0, 1, 1, 2, 0, 2, 2, 1, 2, 3, 1, 3, 1, 4, 3, 0, 1, 4, 0, 3],[0, 0, 0, 4, 2, 1, 1, 4, 2, 3, 2, 3, 0, 1, 0, 0, 3, 0, 2, 0, 2, 0, 0, 3,1, 1, 2, 2, 2, 3, 3, 3, 2, 0, 1, 4, 4, 3, 0, 1, 3, 2, 1, 4, 3, 0, 0, 0]])

torch.flatten(x,1,-1)

torch.flatten(x,1,-1)
Out[33]:
tensor([[1, 2, 4, 4, 1, 3, 2, 0, 1, 2, 1, 0, 2, 0, 4, 2, 2, 0, 1, 3, 3, 2, 0, 4,4, 0, 4, 1, 0, 1, 1, 2, 0, 2, 2, 1, 2, 3, 1, 3, 1, 4, 3, 0, 1, 4, 0, 3],[0, 0, 0, 4, 2, 1, 1, 4, 2, 3, 2, 3, 0, 1, 0, 0, 3, 0, 2, 0, 2, 0, 0, 3,1, 1, 2, 2, 2, 3, 3, 3, 2, 0, 1, 4, 4, 3, 0, 1, 3, 2, 1, 4, 3, 0, 0, 0]])

torch.flatten(x,0)

torch.flatten(x,0)
Out[34]:
tensor([1, 2, 4, 4, 1, 3, 2, 0, 1, 2, 1, 0, 2, 0, 4, 2, 2, 0, 1, 3, 3, 2, 0, 4,4, 0, 4, 1, 0, 1, 1, 2, 0, 2, 2, 1, 2, 3, 1, 3, 1, 4, 3, 0, 1, 4, 0, 3,0, 0, 0, 4, 2, 1, 1, 4, 2, 3, 2, 3, 0, 1, 0, 0, 3, 0, 2, 0, 2, 0, 0, 3,1, 1, 2, 2, 2, 3, 3, 3, 2, 0, 1, 4, 4, 3, 0, 1, 3, 2, 1, 4, 3, 0, 0, 0])

torch.flatten(x,0,-1)

torch.flatten(x,0,-1)
Out[37]:
tensor([1, 2, 4, 4, 1, 3, 2, 0, 1, 2, 1, 0, 2, 0, 4, 2, 2, 0, 1, 3, 3, 2, 0, 4,4, 0, 4, 1, 0, 1, 1, 2, 0, 2, 2, 1, 2, 3, 1, 3, 1, 4, 3, 0, 1, 4, 0, 3,0, 0, 0, 4, 2, 1, 1, 4, 2, 3, 2, 3, 0, 1, 0, 0, 3, 0, 2, 0, 2, 0, 0, 3,1, 1, 2, 2, 2, 3, 3, 3, 2, 0, 1, 4, 4, 3, 0, 1, 3, 2, 1, 4, 3, 0, 0, 0])

torch.flatten相关推荐

torch.flatten()函数
1)flatten(x,1)是按照x的第1个维度拼接(按照列来拼接,横向拼接): 2)flatten(x,0)是按照x的第0个维度拼接(按照行来拼接,纵向拼接): 3)有时候会遇到flatten里面有 ...
PyTorch基础（15）-- torch.flatten()方法
前言最近在复现论文中一个块的时候需要使用到torch.flatten()这个方法,这个方法其实很简单,但其中有一些细节可能需要注意,且有个关键点很容易忘记,故在此记录以备查阅. 方法解析 flatt ...
torch.flatten与torch.nn.flatten
torch.nn.flatten torch.nn.flatten是一个类,作用为将连续的几个维度展平成一个tensor(将一些维度合并) 参数为合并开始的维度,合并结束的维度(维度就是索引,从 0 ...
torch.flatten()
参考 torch.flatten() - 云+社区 - 腾讯云先看函数参数: torch.flatten(input, start_dim=0, end_dim=-1) input: 一个 tens ...
【PyTorch】 torch.flatten()与nn.Flatten()的区别
问题 torch.flatten()与nn.Flatten()都可以实现展开Tensor,那么二者的区别是什么呢? 方法经过查阅相关资料,发现二者主要区别有: (1) 默认的dim不同,torch. ...
torch.flatten作用是什么
torch.flatten作用是什么解释例子解释 torch.flatten 作用是改变张量的维度和维数,从指定的维度开始将后面维度的维数全部展成一个维度,新的维数就是被展开的所有维度的维数的乘 ...
tensor.view()、torch.flatten()
一.tensor.view() view()函数不改变原始数据. 例: import torchdata = torch.randn(2, 3, 3, 5, 5) #b,corps,c,h,w pri ...
torch.flatten()函数详解
自己的理解: 介绍torch.flatten()函数的具体使用方法1.首先创建一个三维张量2.调用torch.flatten()函数 import torchx = torch.randn(2, 3, ...
torch.flatten、np.flatten 详解
超链接:深度学习工作常用方法汇总,矩阵维度变化.图片.视频等操作,包含(torch.numpy.opencv等) B站视频讲解链接 1. 展平 :flatten torch版: x.flatten(n ...
（超级详细）numpy与torch用法对比手册
文章目录前言生成类操作采样类数学运算操作判断类(布尔类)操作矩阵形状操作其他操作前言由于numpy比较基础和通用,但是GPU上跑实验必须使用tensor,故还是直接用torch里面的 ...

torch.flatten

`torch.flatten`(input, start_dim=0, end_dim=- 1) → Tensor

input

torch.flatten(x,1)

torch.flatten(x,1,-1)

torch.flatten(x,0)

torch.flatten(x,0,-1)

torch.flatten相关推荐

最新文章

热门文章

torch.flatten

torch.flatten(input, start_dim=0, end_dim=- 1) → Tensor

input

torch.flatten(x,1)

torch.flatten(x,1,-1)

torch.flatten(x,0)

torch.flatten(x,0,-1)

torch.flatten相关推荐

最新文章

热门文章

`torch.flatten`(input, start_dim=0, end_dim=- 1) → Tensor