Question

我想了解Pytorch中的分拆，因为我想构建一个卷积自动编码器。

我有以下代码

from torch.autograd import Variable

data = Variable(torch.rand(1, 73, 480))
pool_t = nn.MaxPool2d(2, 2, return_indices=True)
unpool_t = nn.MaxUnpool2d(2, 2)
out, indices1 = pool_t(data)
out = unpool_t(out, indices1)

但是我在最后一行（正在分拆）不断出现此错误。

IndexError: tuple index out of range

尽管在此示例中模拟了数据，但由于必须进行预处理，因此输入必须具有该形状。

我对卷积网络还很陌生，但是我什至尝试在池化之前使用ReLU和卷积2D层，但是，在为这种形状分池时，索引似乎总是不正确。

Answer 1

您的数据是一维的，并且您正在使用2D池化和池化操作。

PyTorch将张量的前两个维解释为“批维”和“通道” /“特征空间”维。其余维度被视为空间维度。
因此，在您的示例中，data是大小为(1, 73, 480)的3D张量，并且被pytorch解释为单个批处理（“批处理尺寸” = 1），每个样本有73个通道，并且有480个样本。
出于某种原因，MaxPool2d会为您工作，并将通道尺寸视为空间尺寸，并对其进行采样-我不确定这是错误还是功能。

如果您确实想沿第二维采样，则可以添加一个附加维，使data成为4D张量：

out, indices1 = pool_t(data[None,...])
In [11]: out = unpool_t(out, indices1, data[None,...].size())

MaxUnpool2d的索引超出范围

1 个答案: