Flatten层用来将输入”压平”，即把多维的输入一维化，常用在从卷积层到全连接层的过渡。Flatten不影响batch的大小。
就是把高纬度的数组按照 ｘ轴或者ｙ轴 进行拉伸，变成一维的数组
为了更好的理解Flatten层作用，我把这个神经网络进行可视化如下图：（来自网络）
flatten(),默认缺省参数为0，也就是说flatten()和flatte(0)效果一样。
python里的flatten(dim)表示，从第dim个维度开始展开，将后面的维度转化为一维.也就是说，只保留dim之前的维度，其他维度的数据全都挤在dim这一维。
比如一个数据的维度是
，flatten(m)后的数据为
案例程序如下：
import torch
import torchvision
from torch import nn
from torch.nn import Linear
from torch.utils.data import DataLoader
dataset = torchvision.datasets.CIFAR10("./data_CIFAR10", train=False,
transform=torchvision.transforms.ToTensor(),download=True)
dataloader = DataLoader(dataset,batch_size=64)
class Tudui(nn.Module):
def __init__(self):
super(Tudui, self).__init__()
self.linear1 = Linear(196608,10)
def forward(self,input):
output = self.linear1(input)
return output
tudui = Tudui()
for data in dataloader:
imgs, targets = data
print(imgs.shape)
# output = torch.reshape(imgs,(1,1,1,-1))
output = torch.flatten(imgs)
print(output.shape)
output = tudui(output)
print(output.shape)
运行结果如下：
从上图可以看出，torch_size([64,3,32,32])是print(imgs.shape)打印得到的结果，表示batch_size=64，channel=3，高H=32，宽W=32
上面的结果通过flatten后得到的结果维度大小为torch_size([196608])，其中的196608=643232*3得到的
然后经过神经网络（Tudui）得到的结果维度大小是torch_size([10])，表示输出为10个类别。
如果把flatten改为reshape会出现什么结果呢，程序如下：
import torch
import torchvision
from torch import nn
from torch.nn import Linear
from torch.utils.data import DataLoader
dataset = torchvision.datasets.CIFAR10("./data_CIFAR10", train=False,
transform=torchvision.transforms.ToTensor(),download=True)
dataloader = DataLoader(dataset,batch_size=64)
class Tudui(nn.Module):
def __init__(self):
super(Tudui, self).__init__()
self.linear1 = Linear(196608,10)
def forward(self,input):
output = self.linear1(input)
return output
tudui = Tudui()
for data in dataloader:
imgs, targets = data
print(imgs.shape)
output = torch.reshape(imgs,(1,1,1,-1))
# output = torch.flatten(imgs)
print(output.shape)
output = tudui(output)
print(output.shape)
运行结果如下：
我们发现，经过了reshape后，得到的结果尺寸维度是torch_size([1,1,1,196608])，其结果表示batch_size=1，channel=1，高H=1，宽W=196608
上面结果通过了神经网络（Tudui）后得到结果尺寸维度为torch_size([1,1,1,10])，表示输出为10个类别。
Original: https://blog.csdn.net/qq_42233059/article/details/126663501
Author: 清泉_流响
Title: 深度学习（PyTorch）——flatten函数的用法及其与reshape函数的区别
原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/708043/
转载文章受原作者版权保护。转载请注明原作者出处！