Deep_Learning/CW1/pytorch_unfold.ipynb

{
 "metadata": {
  "language_info": {
   "codemirror_mode": {
    "name": "ipython",
    "version": 3
   },
   "file_extension": ".py",
   "mimetype": "text/x-python",
   "name": "python",
   "nbconvert_exporter": "python",
   "pygments_lexer": "ipython3",
   "version": "3.9.1-final"
  },
  "orig_nbformat": 2,
  "kernelspec": {
   "name": "python3",
   "display_name": "Python 3",
   "language": "python"
  }
 },
 "nbformat": 4,
 "nbformat_minor": 2,
 "cells": [
  {
   "source": [
    "# Unfold 函数"
   ],
   "cell_type": "markdown",
   "metadata": {}
  },
  {
   "cell_type": "code",
   "execution_count": 23,
   "metadata": {},
   "outputs": [
    {
     "output_type": "stream",
     "name": "stdout",
     "text": [
      "tensor([  0.,   1.,   2.,   3.,   4.,   5.,   6.,   7.,   8.,   9.,  10.,  11.,\n         12.,  13.,  14.,  15.,  16.,  17.,  18.,  19.,  20.,  21.,  22.,  23.,\n         24.,  25.,  26.,  27.,  28.,  29.,  30.,  31.,  32.,  33.,  34.,  35.,\n         36.,  37.,  38.,  39.,  40.,  41.,  42.,  43.,  44.,  45.,  46.,  47.,\n         48.,  49.,  50.,  51.,  52.,  53.,  54.,  55.,  56.,  57.,  58.,  59.,\n         60.,  61.,  62.,  63.,  64.,  65.,  66.,  67.,  68.,  69.,  70.,  71.,\n         72.,  73.,  74.,  75.,  76.,  77.,  78.,  79.,  80.,  81.,  82.,  83.,\n         84.,  85.,  86.,  87.,  88.,  89.,  90.,  91.,  92.,  93.,  94.,  95.,\n         96.,  97.,  98.,  99., 100., 101., 102., 103., 104., 105., 106., 107.,\n        108., 109., 110., 111., 112., 113., 114., 115., 116., 117., 118., 119.,\n        120., 121., 122., 123., 124., 125., 126., 127., 128., 129., 130., 131.,\n        132., 133., 134., 135., 136., 137., 138., 139., 140., 141., 142., 143.,\n        144., 145., 146., 147., 148., 149., 150., 151., 152., 153., 154., 155.,\n        156., 157., 158., 159., 160., 161., 162., 163., 164., 165., 166., 167.,\n        168., 169., 170., 171., 172., 173., 174., 175., 176., 177., 178., 179.,\n        180., 181., 182., 183., 184., 185., 186., 187., 188., 189., 190., 191.,\n        192., 193., 194., 195., 196., 197., 198., 199., 200., 201., 202., 203.,\n        204., 205., 206., 207., 208., 209., 210., 211., 212., 213., 214., 215.,\n        216., 217., 218., 219., 220., 221., 222., 223., 224., 225., 226., 227.,\n        228., 229., 230., 231., 232., 233., 234., 235., 236., 237., 238., 239.,\n        240., 241., 242., 243., 244., 245., 246., 247., 248., 249., 250., 251.,\n        252., 253., 254., 255., 256., 257., 258., 259., 260., 261., 262., 263.,\n        264., 265., 266., 267., 268., 269., 270., 271., 272., 273., 274., 275.,\n        276., 277., 278., 279., 280., 281., 282., 283., 284., 285., 286., 287.,\n        288., 289., 290., 291., 292., 293., 294., 295., 296., 297., 298., 299.,\n        300., 301., 302., 303., 304., 305., 306., 307., 308., 309., 310., 311.,\n        312., 313., 314., 315., 316., 317., 318., 319., 320., 321., 322., 323.,\n        324., 325., 326., 327., 328., 329., 330., 331., 332., 333., 334., 335.,\n        336., 337., 338., 339., 340., 341., 342., 343., 344., 345., 346., 347.,\n        348., 349., 350., 351., 352., 353., 354., 355., 356., 357., 358., 359.,\n        360., 361., 362., 363., 364., 365., 366., 367., 368., 369., 370., 371.,\n        372., 373., 374., 375., 376., 377., 378., 379., 380., 381., 382., 383.,\n        384., 385., 386., 387., 388., 389., 390., 391., 392., 393., 394., 395.,\n        396., 397., 398., 399., 400., 401., 402., 403., 404., 405., 406., 407.,\n        408., 409., 410., 411., 412., 413., 414., 415., 416., 417., 418., 419.,\n        420., 421., 422., 423., 424., 425., 426., 427., 428., 429., 430., 431.,\n        432., 433., 434., 435., 436., 437., 438., 439., 440., 441., 442., 443.,\n        444., 445., 446., 447., 448., 449., 450., 451., 452., 453., 454., 455.,\n        456., 457., 458., 459., 460., 461., 462., 463., 464., 465., 466., 467.,\n        468., 469., 470., 471., 472., 473., 474., 475., 476., 477., 478., 479.,\n        480., 481., 482., 483., 484., 485., 486., 487., 488., 489., 490., 491.,\n        492., 493., 494., 495., 496., 497., 498., 499., 500., 501., 502., 503.,\n        504., 505., 506., 507., 508., 509., 510., 511., 512., 513., 514., 515.,\n        516., 517., 518., 519., 520., 521., 522., 523., 524., 525., 526., 527.,\n        528., 529., 530., 531., 532., 533., 534., 535., 536., 537., 538., 539.,\n        540., 541., 542., 543., 544., 545., 546., 547., 548., 549., 550., 551.,\n        552., 553., 554., 555., 556., 557., 558., 559., 560., 561., 562., 563.,\n        564., 565., 566., 567., 568., 569., 570., 571., 572., 573., 574., 575.,\n        576., 577., 578., 579., 580., 581., 582., 583., 584., 585., 586., 587.,\n        588., 589., 590., 591., 592., 593., 594., 595., 596., 597., 598., 599.,\n        600., 601., 602., 603., 604., 
     ]
    }
   ],
   "source": [
    "import torch\n",
    "from torch.nn import functional as f\n",
    "\n",
    "x = torch.arange(0, 1*3*15*15).float()\n",
    "print(x)\n",
    "\n"
   ]
  },
  {
   "source": [
    "Unfold函数的输入数据是思维的，但输出是三维的。假设输入数据是\\[B, C, H, W\\], 那么输出的数据是\\[B, C\\*kH\\*KW, L\\]\n",
    "\n",
    "L = (H - kH + 1) \\* (W - kW + 1)"
   ],
   "cell_type": "markdown",
   "metadata": {}
  },
  {
   "cell_type": "code",
   "execution_count": 25,
   "metadata": {},
   "outputs": [
    {
     "output_type": "stream",
     "name": "stdout",
     "text": [
      "tensor([[[  0.,   1.,   2.,  ..., 190., 191., 192.],\n         [  1.,   2.,   3.,  ..., 191., 192., 193.],\n         [  2.,   3.,   4.,  ..., 192., 193., 194.],\n         ...,\n         [480., 481., 482.,  ..., 670., 671., 672.],\n         [481., 482., 483.,  ..., 671., 672., 673.],\n         [482., 483., 484.,  ..., 672., 673., 674.]]])\ntorch.Size([1, 27, 169])\ntensor([[[  0.,   1.,   2.,  ..., 480., 481., 482.],\n         [  1.,   2.,   3.,  ..., 481., 482., 483.],\n         [  2.,   3.,   4.,  ..., 482., 483., 484.],\n         ...,\n         [190., 191., 192.,  ..., 670., 671., 672.],\n         [191., 192., 193.,  ..., 671., 672., 673.],\n         [192., 193., 194.,  ..., 672., 673., 674.]]])\n"
     ]
    }
   ],
   "source": [
    "x = x.view(1,3,15,15)\n",
    "x1 = f.unfold(x, kernel_size=3, dilation=1, stride=1)\n",
    "print(x1)\n",
    "print(x1.shape)\n",
    "print(x1.permute(0, 2, 1))"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 3,
   "metadata": {},
   "outputs": [
    {
     "output_type": "stream",
     "name": "stdout",
     "text": [
      "tensor([[[[[  0.,   1.,   2.],\n           [ 15.,  16.,  17.],\n           [ 30.,  31.,  32.]],\n\n          [[225., 226., 227.],\n           [240., 241., 242.],\n           [255., 256., 257.]],\n\n          [[450., 451., 452.],\n           [465., 466., 467.],\n           [480., 481., 482.]]],\n\n\n         [[[  1.,   2.,   3.],\n           [ 16.,  17.,  18.],\n           [ 31.,  32.,  33.]],\n\n          [[226., 227., 228.],\n           [241., 242., 243.],\n           [256., 257., 258.]],\n\n          [[451., 452., 453.],\n           [466., 467., 468.],\n           [481., 482., 483.]]],\n\n\n         [[[  2.,   3.,   4.],\n           [ 17.,  18.,  19.],\n           [ 32.,  33.,  34.]],\n\n          [[227., 228., 229.],\n           [242., 243., 244.],\n           [257., 258., 259.]],\n\n          [[452., 453., 454.],\n           [467., 468., 469.],\n           [482., 483., 484.]]],\n\n\n         ...,\n\n\n         [[[190., 191., 192.],\n           [205., 206., 207.],\n           [220., 221., 222.]],\n\n          [[415., 416., 417.],\n           [430., 431., 432.],\n           [445., 446., 447.]],\n\n          [[640., 641., 642.],\n           [655., 656., 657.],\n           [670., 671., 672.]]],\n\n\n         [[[191., 192., 193.],\n           [206., 207., 208.],\n           [221., 222., 223.]],\n\n          [[416., 417., 418.],\n           [431., 432., 433.],\n           [446., 447., 448.]],\n\n          [[641., 642., 643.],\n           [656., 657., 658.],\n           [671., 672., 673.]]],\n\n\n         [[[192., 193., 194.],\n           [207., 208., 209.],\n           [222., 223., 224.]],\n\n          [[417., 418., 419.],\n           [432., 433., 434.],\n           [447., 448., 449.]],\n\n          [[642., 643., 644.],\n           [657., 658., 659.],\n           [672., 673., 674.]]]]])\n"
     ]
    }
   ],
   "source": [
    "B, C_kh_kw, L = x1.size()\n",
    "x1 = x1.permute(0, 2, 1)\n",
    "x1 = x1.view(B, L, -1, 3, 3)\n",
    "print(x1)"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": null,
   "metadata": {},
   "outputs": [],
   "source": []
  }
 ]
}