Pytorch的“折叠”和“展开”是如何工作的？

Question

我已经阅读了 官方文档。我很难理解此功能的用途及其工作原理。有人可以用外行的话解释一下吗？

原文由 shoshi 发布，翻译遵循 CC BY-SA 4.0 许可协议

Answer 1

unfold 和 fold 用于促进“滑动窗口”操作（如卷积）。假设您要将函数 foo 应用到特征图/图像中的每个 5x5 窗口：

 from torch.nn import functional as f
windows = f.unfold(x, kernel_size=5)

Now windows has size of batch-(5 5 x.size(1) )-num_windows, you can apply foo on windows ：

 processed = foo(windows)

现在你需要“折叠” processed 回到原来的大小 x ：

 out = f.fold(processed, x.shape[-2:], kernel_size=5)

You need to take care of padding , and kernel_size that may affect your ability to “fold” back processed to the size of x .此外， fold 对重叠元素 _求和_，因此您可能希望将 fold 的输出除以补丁大小。

---

请注意 torch.unfold 执行的操作与 nn.Unfold 不同。有关详细信息，请参阅 此线程。

原文由 Shai 发布，翻译遵循 CC BY-SA 4.0 许可协议

Answer 2

unfold 将张量想象成一个较长的张量，重复的列/行值“折叠”在彼此之上，然后“展开”：

• size 确定折叠有多大
• step 决定折叠的频率

例如，对于一个 2x5 张量，用 step=1 展开它，并修补 size=2 跨越 dim=1 ：

 x = torch.tensor([[1,2,3,4,5],
                  [6,7,8,9,10]])

 >>> x.unfold(1,2,1)
tensor([[[ 1,  2], [ 2,  3], [ 3,  4], [ 4,  5]],
        [[ 6,  7], [ 7,  8], [ 8,  9], [ 9, 10]]])

fold 与此操作大致相反，但“重叠”值在输出中相加。

原文由 iacob 发布，翻译遵循 CC BY-SA 4.0 许可协议