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 ...
最新文章
- C++知识点2——指针、引用基础
- [转]Blue Prism Architecture
- Failed to load sql modules into the database cluster during PostgreSQL Installation
- 玩机器学习,能不知道它?
- Coriant助力Aureon部署100Gbps光纤网络
- 【生活科普】这7个影视剧的经典桥段,骗了我们很多年……
- 如何保护python代码_如何在发布之前保护我的Python代码?
- linux 显示文件名写到txt,C++获取某个路径下所有文件的文件名,读写TXT文件到新的文件...
- (47)fs创建多级目录
- rabbitmq 手动提交_第四章----SpringBoot+RabbitMQ发送确认和消费手动确认机制
- JS修改标签中的文本且不影响其中标签
- 在编写mini2440 helloworld驱动遇到的问题
- 【MFC相关问题】vs 2019 出现 building MFC application with /MD [d] (CRT dll version) requires MFC shared
- NXP智能车竞赛笔记(室外电磁组)
- 计算机向文档中插入文本框,Word怎么插入文本框和编辑文本框
- qq说说时间轴php实现,QQ说说时间 qq说说时间轴
- 使用Qt给微信头像添加国旗
- Clustering by Passing Messages Between Data Points 吸引力传播聚类 AP聚类
- 基于Tensorflow 2.0实现的图片风格迁移
- 植物大战僵尸 - 修改关卡和商店金钱
热门文章
- 怒赞!7个下载UI组件包的顶级网站
- PYTHON MIP 算法实现
- 计算机组成原理分部实验,《计算机组成原理》课程建设的一点思考参考.pdf
- 2020大学计算机有什么专业,2020计算机专业院校名单「大学排名」
- MariaDB ColumnStore初探(1):安装、使用及测试
- 饥饿游戏2:星火燎原[The Hunger Games:Catching Fire]
- 【Python3】作业车间调度,SPT规则,LPT规则
- Handing Incomplete Heterogeneous Data using VAEs
- no.4京东话费充值系统架构演讲读后感
- 如何在IGV上使用BLAT搜索非模式物种