理解torch.nn.Flatten

Question

我理解扁平移除了除一个维度之外的所有维度。例如，我理解扁平()

> t = torch.ones(4, 3)
> t
tensor([[1., 1., 1.],
    [1., 1., 1.],
    [1., 1., 1.],
    [1., 1., 1.]])

> flatten(t)
tensor([1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1.])

然而，我没有得到Flatten，特别是我没有从医生得到这个片段的意义

>>> input = torch.randn(32, 1, 5, 5)
>>> m = nn.Sequential(
>>>     nn.Conv2d(1, 32, 5, 1, 1),
>>>     nn.Flatten()
>>> )
>>> output = m(input)
>>> output.size()
torch.Size([32, 288])

我觉得输出应该有[160]大小，因为32*5=160。

Q1.所以它输出的是[32,288]大小

Q2. I也不了解文档中给出的shape信息的含义：

Q3.及其参数的含义：

Answer 1

这是默认行为的不同之处。默认情况下，torch.flatten会平展所有维度，而默认情况下，torch.nn.Flatten会将从第二维度(索引1)开始的所有维度都压平。

您可以在start_dim和end_dim参数的默认值中看到这种行为。start_dim参数表示要平坦的第一个维度(零索引)，而end_dim参数表示要平坦的最后一个维度。因此，当start_dim=1是torch.nn.Flatten的默认值时，第一个维度(索引0)不是扁平的，而是包含在start_dim=0中，这是torch.flatten的缺省值。

这种差异背后的原因可能是因为torch.nn.Flatten打算与torch.nn.Sequential一起使用，通常对一批输入执行一系列操作，其中每个输入都独立于其他输入。例如，如果您有一批图像并调用了torch.nn.Flatten，那么典型的用例是将每个映像分别平放，而不是将整个批处理平平。

如果您确实希望使用torch.nn.Flatten来平平所有维度，您可以简单地将对象创建为torch.nn.Flatten(start_dim=0)。

最后，文档中的形状信息仅涵盖张量的形状将如何受到影响，这说明第一个(索引0)维仍然保持不变。所以，如果你有一个形状(N, *dims)的输入张量，其中*dims是一个任意的维序列，输出张量将具有形状(N, product of *dims)，因为除了批处理维外，所有维都是平坦的。例如，形状(3,10,10)的输入将具有形状(3, 10 x 10) = (3, 100)的输出。