|
| 1 | +.. _cn_api_paddle_compat_Unfold: |
| 2 | + |
| 3 | +Unfold |
| 4 | +------------------------------- |
| 5 | + |
| 6 | +.. py:class:: paddle.compat.Unfold(kernel_size, dilation=1, padding=0, stride=1) |
| 7 | +
|
| 8 | +
|
| 9 | +PyTorch 兼容的 :ref:`cn_api_paddle_nn_Unfold` 版本: |
| 10 | + - 关键字参数使用单数形式(例如:``kernel_size`` 而非 kernel_sizes) |
| 11 | + - ``padding`` 仅支持输入长度为 1(整数)或 2 的列表,禁止使用 Size4 格式。如需更灵活的输入版本,请使用 :ref:`cn_api_paddle_nn_Unfold` |
| 12 | + - 所有输入参数支持 ``Tensor`` 或 ``pir.Value`` 类型(将自动转换为列表) |
| 13 | + - 其他特性与 :ref:`cn_api_paddle_nn_Unfold` 完全一致 |
| 14 | + |
| 15 | +使用前请详细参考:`【仅参数名不一致】torch.nn.Unfold`_ 以确定是否使用此模块。 |
| 16 | + |
| 17 | +.. _【仅参数名不一致】torch.nn.Unfold: https://www.paddlepaddle.org.cn/documentation/docs/zh/develop/guides/model_convert/convert_from_pytorch/api_difference/nn/torch.nn.Unfold.html |
| 18 | + |
| 19 | +**样例**: |
| 20 | + |
| 21 | +:: |
| 22 | + |
| 23 | + Given: |
| 24 | + x.shape = [5, 10, 25, 25] |
| 25 | + kernel_size = [3, 3] |
| 26 | + stride = 1 |
| 27 | + padding = 1 |
| 28 | + |
| 29 | + Return: |
| 30 | + out.shape = [5, 90, 625] |
| 31 | + |
| 32 | +功能说明 |
| 33 | +::::::::::: |
| 34 | +实现卷积中的 im2col 操作,将卷积核覆盖区域的元素重排列为列向量。输入形状为 [N, C, H, W] 的 ``x`` 将输出形状为 [N, Cout, Lout] 的张量。 |
| 35 | + |
| 36 | + |
| 37 | +参数 |
| 38 | +::::::::::: |
| 39 | + |
| 40 | + - **kernel_size** (int|list|tuple|Tensor) - 卷积核尺寸。接受 ``[k_h, k_w]`` 或整数 ``k``(视为 ``[k, k]``) |
| 41 | + - **dilation** (int|list|tuple|Tensor, 可选) - 卷积膨胀系数。接受单整数或 ``[dilation_h, dilation_w]``。单整数 ``dilation`` 视为 ``[dilation, dilation]``。默认为 1 |
| 42 | + - **padding** (int|list|tuple|Tensor, 可选) - 各维度填充大小。接受单整数或 ``[padding_h, padding_w]``。``[padding_h, padding_w]`` 将扩展为 ``[padding_h, padding_w, padding_h, padding_w]``。单整数 ``padding`` 将转为 ``[padding, padding, padding, padding]``。默认为 0 |
| 43 | + - **stride** (int|list|tuple|Tensor, 可选) - 滑动步长。接受单整数或 ``[stride_h, stride_w]``。单整数 ``stride`` 视为 ``[stride, stride]``。默认为 1 |
| 44 | + |
| 45 | +形状 |
| 46 | +::::::::: |
| 47 | + - **输入** : 4-D Tensor,形状为[N, C, H, W],数据类型为 float32 或者 float64 |
| 48 | + - **输出**:形状如上面所描述的[N, Cout, Lout],Cout 每一个滑动 block 里面覆盖的元素个数,Lout 是滑动 block 的个数,数据类型与 ``x`` 相同 |
| 49 | + |
| 50 | + |
| 51 | +代码示例 |
| 52 | +:::::::::::: |
| 53 | + |
| 54 | +COPY-FROM: paddle.compat.Unfold |
0 commit comments