Свертка

class torch.nn.Fold(output_size, kernel_size, dilation=1, padding=0, stride=1) [source]

Комбинирует массив скользящих локальных блоков в один большой содержащий тензор.

Рассмотрим пакетный input тензор, содержащий скользящие локальные блоки, например, патчи изображений, с формой $(N, C \times \prod(\text{kernel\_size}), L)$, где $N$ — размерность пакета, $C \times \prod(\text{kernel\_size})$ — число значений в блоке (блок имеет $\prod(\text{kernel\_size})$ пространственных местоположений, каждое из которых содержит $C$-канальный вектор), а $L$ — общее количество блоков. (Это полностью соответствует спецификации выходной формы Unfold.) Эта операция объединяет эти локальные блоки в большой output тензор с формой $(N, C, \text{output\_size}[0], \text{output\_size}[1], \dots)$ путем суммирования перекрывающихся значений. Аналогично Unfold, аргументы должны удовлетворять

$$L = \prod_d \left\lfloor\frac{\text{output\_size}[d] + 2 \times \text{padding}[d]$$

где $d$ — по всем пространственным измерениям.

• output_size описывает пространственную форму большого содержащего тензора скользящих локальных блоков. Это полезно для разрешения неоднозначности, когда несколько форм входных данных отображаются на одинаковое количество скользящих блоков, например, при stride > 0.

Аргументы padding, stride и dilation задают способ извлечения скользящих блоков.

• stride управляет шагом скользящих блоков.
• padding управляет количеством неявных нулевых дополнений с обеих сторон на padding точек для каждого измерения перед преобразованием в нужную форму.
• dilation управляет интервалом между точками ядра; также известен как алгоритм à trous. Это сложнее описать, но эта ссылка содержит наглядную визуализацию того, что делает dilation.

Параметры:

• output_size (int или кортеж) – форма пространственных измерений вывода (то есть output.sizes()[2:])
• kernel_size (int или кортеж) – размер скользящих блоков
• stride (int или кортеж) – шаг скользящих блоков во входных пространственных измерениях. По умолчанию: 1
• padding (int или кортеж, необязательно) – неявное дополнение нулями с обеих сторон входа. По умолчанию: 0
• dilation (int или кортеж, необязательно) – параметр, который контролирует шаг элементов внутри окрестности. По умолчанию: 1

• Если output_size, kernel_size, dilation, padding или stride — целое число или кортеж длиной 1, то их значения будут дублироваться по всем пространственным измерениям.
• В случае двух выходных пространственных измерений эта операция иногда называется col2im.

Примечание

Fold вычисляет каждое комбинированное значение в результирующем большом тензоре путем суммирования всех значений из всех содержащих блоков. Unfold извлекает значения в локальных блоках путем копирования из большого тензора. Поэтому, если блоки перекрываются, они не являются обратными друг другу.

В общем, операции свертки и развертки связаны следующим образом. Рассмотрим экземпляры Fold и Unfold, созданные с одинаковыми параметрами:

>>> fold_params = dict(kernel_size=..., dilation=..., padding=..., stride=...)
>>> fold = nn.Fold(output_size=..., **fold_params)
>>> unfold = nn.Unfold(**fold_params)

Тогда для любого (поддерживаемого) input тензора справедливо следующее равенство:

fold(unfold(input)) == divisor * input

где divisor — тензор, зависящий только от формы и типа данных input:

>>> input_ones = torch.ones(input.shape, dtype=input.dtype)
>>> divisor = fold(unfold(input_ones))

Если тензор divisor не содержит нулевых элементов, то операции fold и unfold являются взаимно обратными (до постоянного делителя).

Предупреждение

В настоящее время поддерживаются только непакетированные (3D) или пакетированные (4D) тензоры вывода, подобные изображениям.

Форма:

• Вход: $(N, C \times \prod(\text{kernel\_size}), L)$ или $(C \times \prod(\text{kernel\_size}), L)$
• Выход: $(N, C, \text{output\_size}[0], \text{output\_size}[1], \dots)$ или $(C, \text{output\_size}[0], \text{output\_size}[1], \dots)$ как описано выше

Примеры:

>>> fold = nn.Fold(output_size=(4, 5), kernel_size=(2, 2))
>>> input = torch.randn(1, 3 * 2 * 2, 12)
>>> output = fold(input)
>>> output.size()
torch.Size([1, 3, 4, 5])