unfold

paddle.nn.functional.unfold ( x, kernel_size, strides=1, paddings=0, dilation=1, name=None ) [源代码]

该OP实现的功能与卷积中用到的im2col函数一样，通常也被称作为im2col过程。对于每一个卷积核覆盖下的区域，元素会被重新排成一列。当卷积核在整个图片上滑动时，将会形成一系列的列向量。对于每一个输入形状为[N, C, H, W]的 x ，都将会按照下面公式计算出一个形状为[N, Cout, Lout]的输出。

unfold - 图1

样例：

  1. Given:
  2.   x.shape = [5, 10, 25, 25]
  3.   kernel_size = [3, 3]
  4.   strides = 1
  5.   paddings = 1
  7. Return:
  8.   out.shape = [5, 90, 625]

参数：

  • x (Tensor) – 输入4-D Tensor，形状为[N, C, H, W]，数据类型为float32或者float64

  • kernel_size (int|list of int) – 卷积核的尺寸，整数或者整型列表。如果为整型列表，应包含两个元素 [k_h, k_w] ，卷积核大小为 k_h * k_w ；如果为整数k，会被当作整型列表 [k, k] 处理

  • strides (int|list of int，可选) – 卷积步长，整数或者整型列表。如果为整型列表，应该包含两个元素 [stride_h, stride_w] 。如果为整数，则 stride_h = stride_w = strides 。默认值为1

  • paddings (int|list of int，可选) – 每个维度的扩展, 整数或者整型列表。如果为整型列表，长度应该为4或者2；长度为4 对应的padding参数是：[padding_top, padding_left，padding_bottom, padding_right]，长度为2对应的padding参数是[padding_h, padding_w]，会被当作[padding_h, padding_w, padding_h, padding_w]处理。如果为整数padding，则会被当作[padding, padding, padding, padding]处理。默认值为0

  • dilations (int|list of int，可选) – 卷积膨胀，整型列表或者整数。如果为整型列表，应该包含两个元素[dilation_h, dilation_w]。如果是整数dilation，会被当作整型列表[dilation, dilation]处理。默认值为1

  • name (str|None，可选) - 该参数供开发人员打印调试信息时使用，具体用法请参见 Name ，默认值为None。

返回：Tensor, unfold操作之后的结果，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

代码示例:

  1. import paddle
  2. import paddle.nn.functional as F
  4. x = paddle.randn((100,3,224,224))
  5. y = F.unfold(x, [3, 3], 1, 1, 1)