先看函數(shù)參數(shù)：

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

input: 一個(gè) 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(rèn)值，那么這個(gè)函數(shù)會(huì)把 input 推平成一個(gè) shape 為 [n][n] 的tensor，其中 nn 即 input 中元素個(gè)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(lái)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(yùn)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(hào)內(nèi)含兩個(gè)元素，因此 shape 的第一個(gè)值是 2；類似地，第二層方括號(hào)里面含三個(gè)元素，shape 的第二個(gè)值就是 3；最內(nèi)層方括號(hào)里含四個(gè)元素，shape 的第二個(gè)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(yùn)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(dāng) start_dim = 11 而 end_dim = −1−1 時(shí)，它把第 11 個(gè)維度到最后一個(gè)維度全部推平合并了。而當(dāng) start_dim = 00 而 end_dim = 11 時(shí)，它把第 00 個(gè)維度到第 11 個(gè)維度全部推平合并了。pytorch中的 torch.nn.Flatten 類和 torch.Tensor.flatten 方法其實(shí)都是基于上面的 torch.flatten 函數(shù)實(shí)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(qǐng)搜索好吧啦網(wǎng)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好吧啦網(wǎng)！