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！
您可能感興趣的文章:- Python入門教程2. 字符串基本操作【運算、格式化輸出、常用函數(shù)】
- Python中使用pprint函數(shù)進行格式化輸出的教程
- python中re.findall函數(shù)實例用法
- Python函數(shù)基礎(chǔ)
- Python之基礎(chǔ)函數(shù)案例詳解
- Python 函數(shù)簡單易理解版
- python機器學習高數(shù)篇之函數(shù)極限與導數(shù)
- python中super()函數(shù)的理解與基本使用
- Python如何使用print()函數(shù)輸出格式化字符串
- python中map()函數(shù)使用方法詳解
- python之多種方式傳遞函數(shù)方法案例講解
- Python類的高級函數(shù)詳解
- 10個有用的Python字符串函數(shù)小結(jié)
- python imread函數(shù)詳解
- 關(guān)于Python OS模塊常用文件/目錄函數(shù)詳解
- python用函數(shù)創(chuàng)造字典的實例講解
- Python常見的函數(shù)及格式化輸出
