Метод PyTorch Flatten содержит входные тензоры как с действительными, так и с составными значениями. Метод torch.flatten() используется для сведения тензора в одномерный тензор путем изменения его формы.
- Что такое Flatten?
- Пример выравнивания
- Сглаживание слоя
- Flatten List
- Параметры
- Как создать тензор с 2D-элементами и сгладить этот вектор
- Как создать тензор с 3D-элементами
Что такое Flatten?
Метод torch.flatten() используется для сведения тензора в одномерный тензор путем изменения его формы.
Метод PyTorch Flatten содержит входные тензоры как с действительными, так и с составными значениями. Он принимает тензор факела в качестве входных данных и возвращает тензор факела, сплющенный в одно измерение.
Синтаксис:
torch.flatten(input, start_dim=0, end_dim=-1)
Параметры:
- input: используется в качестве входного тензора.
- start_dim: используется как первый размер, подлежащий сглаживанию.
- end_dim: используется как последний размер, который нужно сгладить.
Пример выравнивания
Метод PyTorch Flatten содержит входные тензоры как с действительными, так и с составными значениями. Он принимает тензор факела в качестве входных данных и возвращает тензор факела, сплющенный в одно измерение. Он содержит два параметра start_dim и end_dim.
Код:
В следующем коде сначала мы импортируем библиотеку факела, например import torch.
f = torch.tensor([[[2, 4], [6, 8]],[[10, 12],[14, 16]]]) используется для описания переменной с помощью функции torch.tensor() .
torch.flatten(f): здесь мы используем функцию torch.flatten().
torch.flatten(f, start_dim=1) используется как функция Flatten(), и внутри этой функции мы используем некоторые параметры.
# Import library
import torch
# Describe the variable by using torch.tensor() function
f = torch.tensor([[[2, 4],
[6, 8]],
[[10, 12],
[14, 16]]])
# Using the torch.flatten() method
torch.flatten(f)
torch.tensor([2, 4, 6, 8, 10, 12, 14, 16])
torch.flatten(f, start_dim=1)
Выход:
После запуска приведенного выше кода мы получаем следующий вывод, в котором мы видим, что значения PyTorch Flatten печатаются на экране.
Сглаживание слоя
PyTorch Flatten используется для преобразования любого из тензорных слоев с разными размерами в одно измерение.
Функция torch.flatten() используется для сведения тензора в одномерный тензор путем изменения его формы.
Код:
В следующем коде сначала мы импортируем библиотеку факела, например import torch.
- f = torch.tensor([[[2, 4, 6], [8, 10, 12]], [[14, 16, 18], [20, 22, 24]]]) Здесь мы описываем f переменная с помощью функции torch.tensor().
- Flatten_tens = torch. Flatten(f) Здесь мы описываем сглаживание вышеуказанного тензора с помощью end_dims.
- print(«Flatten tensor:\n», Flatten_tens) используется для печати сплющенного тензора.
# Import Library
import torch
f = torch.tensor([[[2, 4, 6],
[8, 10, 12]],
[[14, 16, 18],
[20, 22, 24]]])
print("Tensor:\n", f)
print("Size of Tensor:", f.size())
# Describe the flatten the above tensor by using end_dims
flatten_tens = torch.flatten(f)
flatten_tens1 = torch.flatten(f, end_dim=0)
flatten_tens2 = torch.flatten(f, end_dim=1)
flatten_tens3 = torch.flatten(f, end_dim=2)
# print the flatten tensors
print("Flatten tensor:\n", flatten_tens)
print("Flatten tensor(end_dim=0):\n", flatten_tens1)
print("Flatten tensor(end_dim=1):\n", flatten_tens2)
print("Flatten tensor(end_dim=2):\n", flatten_tens3)
Выход:
В приведенном ниже коде вы можете видеть, что форма плоского слоя PyTorch изменяется с помощью функции torch.flatten().
Flatten List
PyTorch Flatten List входных данных тензоров преобразовал его в одномерный тензор. Входные данные, start_dim и end_dims передаются внутри функции torch.flatten(). Размеры, начинающиеся с start_dim и заканчивающиеся end_dim, выравниваются.
Код:
В следующем коде сначала мы импортируем библиотеку факела, например import torch.
- f = torch.tensor([[[31, 30],[29, 28]], [[27, 26],[25, 24]]]) используется для описания переменной с помощью функции torch.tensor() .
- torch.flatten(f) Здесь мы используем функцию torch.flatten().
- i = torch.randn(4, 17, 18, 18) используется для описания переменной с помощью функции torch.randn().
- print(res) используется для печати результата с помощью функции print().
# Import Library
impo# Import library
import torch
import torch.nn as nn
f = torch.tensor([[[31, 30],
[29, 28]],
[[27, 26],
[25, 24]]])
# Using torch.flatten()
torch.flatten(f)
torch.tensor([31, 30, 29, 28, 27, 26, 25, 24])
torch.flatten(f, start_dim=1)
# Describing the variable by using torch.randn()
i = torch.randn(4, 17, 18, 18)
j = nn.Sequential(
nn.Conv2d(17, 4, 18, 56, 4),
nn.Flatten()
)
res = j(i)
print(res)
res.size()
Выход:
После запуска приведенного выше кода мы получаем следующий вывод, в котором видим, что список значений тензоров Pytorch Flatten печатается на экране.
Параметры
Здесь мы используем функцию torch. Flatten() и внутри этой функции мы используем некоторые параметры. Первый параметр является входным, второй параметр — start_sim и последний параметр — end_dim.
Размеры, начинающиеся с start_dim и заканчивающиеся end_dim, выравниваются.
Код:
В следующем коде сначала мы импортируем библиотеку факела, например import torch.
- f = torch.empty(4,4,5,5).random_(30) Здесь мы описываем переменную f с помощью функции torch.empty().
- print(«Размер тензора:», f.size()) используется для печати размера тензора с помощью функции print().
- ftens = torch.flatten(f, start_dim=2, end_dim=3): здесь мы выравниваем приведенный выше тензор, используя strat_dim и end_dim.
- print(«Flatten tensor(start_dim=2,end_dim=3):\n», ftens) используется для печати сплющенного тензора.
# Importing Library
import torch
# Describing the variable
f = torch.empty(4,4,5,5).random_(30)
# Printing the size of the tensor
print("Tensor:\n", f)
print("Size of tensor:", f.size())
# Here we are flatten the above tensor using start_dim and end_dim
ftens = torch.flatten(f, start_dim=2, end_dim=3)
# printing the flatten tensors
print("Flatten tensor(start_dim=2,end_dim=3):\n", ftens)
Выход:
После запуска приведенного выше кода мы получаем следующий вывод, в котором видим, что значения параметров PyTorch Flatten печатаются на экране.
Как создать тензор с 2D-элементами и сгладить этот вектор
Здесь мы используем функцию Flatten(), которая используется для преобразования N-мерного тензора в одномерный тензор.
В следующем коде сначала мы импортируем библиотеку факела, например import torch:
- f = torch.tensor([[2,4,6,8,10,12,14,16,18,20],[2,4,6,8,10,12,14,16,18,20] ]) используется для создания двумерного тензора из 10 элементов.
- print(f) используется для отображения фактического тензора.
- print(torch.flatten(f)): Здесь мы выравниваем тензор с помощью функции Flatten().
# import torch module
import torch
# Here we creating an 2 D tensor with 10 elements each
f = torch.tensor([[2,4,6,8,10,12,14,16,18,20],
[2,4,6,8,10,12,14,16,18,20]])
# Showing the actual tensor
print(f)
# Here we are flattening a tensor with flatten() function
print(torch.flatten(f))
Выход:
После запуска приведенного выше кода мы получаем следующий вывод, в котором мы видим, что создается 2d-тензор, значения которого печатаются на экране из 10 элементов.
Как создать тензор с 3D-элементами
Здесь мы используем функцию Flatten(), которая используется для преобразования N-мерного тензора в одномерный тензор, создания тензора с трехмерными элементами и выравнивания вектора.
В следующем коде сначала мы импортируем библиотеку факела, например import torch:
- f = torch.tensor([[[2,4,6,8,10,12,14,16,18,20],[2,4,6,8,10,12,14,16,18,20 ]], [[2,4,6,8,10,12,14,16,18,20],[2,4,6,8,10,12,14,16,18,20]]]) используется для описания переменной с помощью функции torch.tensor().
- print(f) используется для отображения фактического тензора.
- print(torch.flatten(f)): здесь мы сглаживаем тензор с помощью функции Flatten().
# import torch module
import torch
# create an 3 D tensor with 10 elements each
f = torch.tensor([[[2,4,6,8,10,12,14,16,18,20],
[2,4,6,8,10,12,14,16,18,20]],
[[2,4,6,8,10,12,14,16,18,20],
[2,4,6,8,10,12,14,16,18,20]]])
# Showing the actual tensor
print(f)
# Here we are flatten a tensor with flatten() function
print(torch.flatten(f))
Выход:
В приведенном ниже выводе мы видим, что трехмерный тензор создается с выводом на экран значений 10 элементов.
