MaxUnpool1d

class torch.nn.MaxUnpool1d(kernel_size, stride=None, padding=0)

計算 MaxPool1d 的部分逆操作。

MaxPool1d 不是完全可逆的，因為非最大值會丟失。

MaxUnpool1d 接收 MaxPool1d 的輸出作為輸入，包括最大值的索引，並計算部分逆操作，其中所有非最大值都設為零。

注意

當輸入索引存在重複值時，此操作可能會出現非確定性行為。更多資訊請參閱 https://github.com/pytorch/pytorch/issues/80827 和可重現性。

注意

MaxPool1d 可以將幾種輸入尺寸對映到相同的輸出尺寸。因此，逆向過程可能會變得模糊不清。為了解決這個問題，可以在 forward 呼叫中提供所需的輸出尺寸作為附加引數 output_size。請參見下面的 輸入 和 示例。

引數

• kernel_size (int 或 tuple) – 最大池化視窗的大小。

• stride (int 或 tuple) – 最大池化視窗的步長。預設設定為 kernel_size。

• padding (int 或 tuple) – 新增到輸入的填充

輸入

• input: 要反轉的輸入 Tensor

• indices: 由 MaxPool1d 輸出的索引

• output_size (可選): 目標輸出尺寸

形狀

• 輸入: $(N, C, H_{in})$ 或 $(C, H_{in})$。（其中 N 是 batch size，C 是通道數，$H_{in}$ 是輸入長度）

• 輸出: $(N, C, H_{out})$ 或 $(C, H_{out})$，其中

  $$H_{out} = (H_{in} - 1) \times \text{stride}[0] - 2 \times \text{padding}[0] + \text{kernel\_size}[0]$$

  或由呼叫運算子中的 output_size 給出

示例

>>> pool = nn.MaxPool1d(2, stride=2, return_indices=True)
>>> unpool = nn.MaxUnpool1d(2, stride=2)
>>> input = torch.tensor([[[1., 2, 3, 4, 5, 6, 7, 8]]])
>>> output, indices = pool(input)
>>> unpool(output, indices)
tensor([[[ 0.,  2.,  0.,  4.,  0.,  6.,  0., 8.]]])

>>> # Example showcasing the use of output_size
>>> input = torch.tensor([[[1., 2, 3, 4, 5, 6, 7, 8, 9]]])
>>> output, indices = pool(input)
>>> unpool(output, indices, output_size=input.size())
tensor([[[ 0.,  2.,  0.,  4.,  0.,  6.,  0., 8.,  0.]]])

>>> unpool(output, indices)
tensor([[[ 0.,  2.,  0.,  4.,  0.,  6.,  0., 8.]]])