Pytorch中torch.flatten()和torch.nn.Flatten()实例详解

 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])

来源：https://blog.csdn.net/Super_user_and_woner/article/details/120782656