Python torch.flatten()函數(shù)案例詳解
先看函數(shù)參數(shù)：
torch.flatten(input, start_dim=0, end_dim=-1)
input: 一個 tensor，即要被“推平”的 tensor。
start_dim: “推平”的起始維度。
end_dim: “推平”的結(jié)束維度。
首先如果按照 start_dim 和 end_dim 的默認值，那么這個函數(shù)會把 input 推平成一個 shape 為 [n][n] 的tensor，其中 nn 即 input 中元素個數(shù)。
如果我們要自己設(shè)定起始維度和結(jié)束維度呢？
我們要先來看一下 tensor 中的 shape 是怎么樣的：
t = torch.tensor([[[1, 2, 2, 1],
[3, 4, 4, 3],
[1, 2, 3, 4]],
[[5, 6, 6, 5],
[7, 8, 8, 7],
[5, 6, 7, 8]]])
print(t, t.shape)
運行結(jié)果：
tensor([[[1, 2, 2, 1],
[3, 4, 4, 3],
[1, 2, 3, 4]],
[[5, 6, 6, 5],
[7, 8, 8, 7],
[5, 6, 7, 8]]])
torch.Size([2, 3, 4])
我們可以看到，最外層的方括號內(nèi)含兩個元素，因此 shape 的第一個值是 2；類似地，第二層方括號里面含三個元素，shape 的第二個值就是 3；最內(nèi)層方括號里含四個元素，shape 的第二個值就是 4。
示例代碼：
x = torch.flatten(t, start_dim=1)
print(x, x.shape)
y = torch.flatten(t, start_dim=0, end_dim=1)
print(y, y.shape)
運行結(jié)果：
tensor([[1, 2, 2, 1, 3, 4, 4, 3, 1, 2, 3, 4],
[5, 6, 6, 5, 7, 8, 8, 7, 5, 6, 7, 8]])
torch.Size([2, 12])
tensor([[1, 2, 2, 1],
[3, 4, 4, 3],
[1, 2, 3, 4],
[5, 6, 6, 5],
[7, 8, 8, 7],
[5, 6, 7, 8]])
torch.Size([6, 4])
可以看到，當 start_dim = 11 而 end_dim = −1−1 時，它把第 11 個維度到最后一個維度全部推平合并了。而當 start_dim = 00 而 end_dim = 11 時，它把第 00 個維度到第 11 個維度全部推平合并了。pytorch中的 torch.nn.Flatten 類和 torch.Tensor.flatten 方法其實都是基于上面的 torch.flatten 函數(shù)實現(xiàn)的。
到此這篇關(guān)于Python torch.flatten()函數(shù)案例詳解的文章就介紹到這了,更多相關(guān)Python torch.flatten()函數(shù)內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！
相關(guān)文章
在Python中切片(slice)是對序列型對象(如list, string, tuple)的一種高級索引方法,下面這篇文章主要給大家介紹了關(guān)于Python中切片操作的相關(guān)資料,文中通過實例代碼介紹的非常詳細,需要的朋友可以參考下2022-08-08
Paddle模型性能分析工具Profiler定位瓶頸點優(yōu)化程序詳解
這篇文章主要為大家介紹了Paddle模型性能分析工具Profiler定位瓶頸點優(yōu)化程序詳解，有需要的朋友可以借鑒參考下，希望能夠有所幫助，祝大家多多進步，早日升職加薪2023-03-03
is和==都是對對象進行比較判斷作用的，但對對象比較判斷的內(nèi)容并不相同，下面來看看具體區(qū)別在哪?對Python中is和==的區(qū)別感興趣的朋友跟隨小編一起看看吧2023-01-01
python將xml xsl文件生成html文件存儲示例講解
這篇文章主要介紹了python將xml、xsl文件轉(zhuǎn)成html文件存儲方法，大家參考使用吧2013-12-12
這篇文章主要介紹了python循環(huán)語句的使用方法，文章主要介紹python循環(huán)相關(guān)內(nèi)容有?for循環(huán)語句、循環(huán)嵌套、break結(jié)束循環(huán)、continue跳過本次循環(huán)實現(xiàn)內(nèi)容，需要的小伙伴可以參考一下2022-04-04
在數(shù)據(jù)處理和分析的領(lǐng)域中,Excel是一種被廣泛使用的工具,然而,通過Python處理Excel,能夠更好地實現(xiàn)自動化和批量處理,本文為大家整理了14個Python處理Excel的常用操作,希望對大家有所幫助2023-12-12
這篇文章主要介紹了python中的單下劃線與雙下劃線以及絕對導入與相對導入說明，具有很好的參考價值，希望對大家有所幫助。如有錯誤或未考慮完全的地方，望不吝賜教2022-11-11
python使用pynput捕獲單個按鍵的步驟詳解(包括組合鍵和功能鍵)
在數(shù)字時代,鍵盤是與計算機交流的主要工具,鍵盤的每一次敲擊都承載著信息,而在某些場景下,可能需要記錄這些信息,這時候,pynput庫就派上了大用場,它可以輕松地幫捕獲并記錄鍵盤上的每一個操作,所以本文給大家介紹了python使用pynput捕獲鍵的操作步驟2024-05-05
這篇文章主要介紹了Python爬蟲requests庫多種用法實例,文中通過示例代碼介紹的非常詳細，對大家的學習或者工作具有一定的參考學習價值,需要的朋友可以參考下2020-05-05
flask框架實現(xiàn)連接sqlite3數(shù)據(jù)庫的方法分析
這篇文章主要介紹了flask框架實現(xiàn)連接sqlite3數(shù)據(jù)庫的方法,結(jié)合實例形式分析了flask框架連接sqlite3數(shù)據(jù)庫的具體操作步驟與相關(guān)實現(xiàn)技巧,需要的朋友可以參考下2018-07-07