时间：2022-12-16 09:31:13 | 栏目：Python代码 | 点击：次
torch.flatten(x)等于torch.flatten(x，0)默认将张量拉成一维的向量，也就是说从第一维开始平坦化，torch.flatten(x，1)代表从第二维开始平坦化。
import torch
x=torch.randn(2,4,2)
print(x)
z=torch.flatten(x)
print(z)
w=torch.flatten(x,1)
print(w)
输出为：
tensor([[[-0.9814, 0.8251],
[ 0.8197, -1.0426],
[-0.8185, -1.3367],
[-0.6293, 0.6714]],
[[-0.5973, -0.0944],
[ 0.3720, 0.0672],
[ 0.2681, 1.8025],
[-0.0606, 0.4855]]])
tensor([-0.9814, 0.8251, 0.8197, -1.0426, -0.8185, -1.3367, -0.6293, 0.6714,
-0.5973, -0.0944, 0.3720, 0.0672, 0.2681, 1.8025, -0.0606, 0.4855])
tensor([[-0.9814, 0.8251, 0.8197, -1.0426, -0.8185, -1.3367, -0.6293, 0.6714]
,
[-0.5973, -0.0944, 0.3720, 0.0672, 0.2681, 1.8025, -0.0606, 0.4855]
])
torch.flatten(x,0,1)代表在第一维和第二维之间平坦化
import torch
x=torch.randn(2,4,2)
print(x)
w=torch.flatten(x,0,1) #第一维长度2，第二维长度为4，平坦化后长度为2*4
print(w.shape)
print(w)
输出为：
tensor([[[-0.5523, -0.1132],
[-2.2659, -0.0316],
[ 0.1372, -0.8486],
[-0.3593, -0.2622]],
[[-0.9130, 1.0038],
[-0.3996, 0.4934],
[ 1.7269, 0.8215],
[ 0.1207, -0.9590]]])
torch.Size([8, 2])
tensor([[-0.5523, -0.1132],
[-2.2659, -0.0316],
[ 0.1372, -0.8486],
[-0.3593, -0.2622],
[-0.9130, 1.0038],
[-0.3996, 0.4934],
[ 1.7269, 0.8215],
[ 0.1207, -0.9590]])
对于torch.nn.Flatten()，因为其被用在神经网络中，输入为一批数据，第一维为batch，通常要把一个数据拉成一维，而不是将一批数据拉为一维。所以torch.nn.Flatten()默认从第二维开始平坦化。
import torch
#随机32个通道为1的5*5的图
x=torch.randn(32,1,5,5)
model=torch.nn.Sequential(
#输入通道为1，输出通道为6，3*3的卷积核，步长为1，padding=1
torch.nn.Conv2d(1,6,3,1,1),
torch.nn.Flatten()
)
output=model(x)
print(output.shape) # 6*（7-3+1）*（7-3+1）
输出为：
torch.Size([32, 150])
总结