所有值都替换为 pytorch 中的 pool max

Question

给定

z

等于

tensor([[[[0.0908, 0.1286, 0.6942, 0.5161],
          [0.4227, 0.2154, 0.5990, 0.8666],
          [0.3009, 0.2399, 0.1818, 0.7551],
          [0.2396, 0.4485, 0.4027, 0.5303]],
         [[0.8251, 0.7457, 0.2091, 0.7313],
          [0.3823, 0.7351, 0.3823, 0.2072],
          [0.0863, 0.5489, 0.6515, 0.3855],
          [0.5247, 0.8685, 0.6078, 0.6181]]]])

我们有这个

torch.nn.MaxUnpool2d(2)(*torch.nn.MaxPool2d(2, return_indices=True)(z))
tensor([[[[0.0000, 0.0000, 0.0000, 0.0000],
          [0.4227, 0.0000, 0.0000, 0.8666],
          [0.0000, 0.0000, 0.0000, 0.7551],
          [0.0000, 0.4485, 0.0000, 0.0000]],
         [[0.8251, 0.0000, 0.0000, 0.7313],
          [0.0000, 0.0000, 0.0000, 0.0000],
          [0.0000, 0.0000, 0.6515, 0.0000],
          [0.0000, 0.8685, 0.0000, 0.0000]]]])

我怎样才能惯用地计算一个类似的逆，而不是所有非最大值都为零，而是全部等于最大值？在这种情况下我想要：

tensor([[[[0.4227, 0.4227, 0.8666, 0.8666],
          [0.4227, 0.4227, 0.8666, 0.8666],
          [0.4485, 0.4485, 0.7551, 0.7551],
          [0.4485, 0.4485, 0.7551, 0.7551]],
         [[0.8251, 0.8251, 0.7313, 0.7313],
          [0.8251, 0.8251, 0.7313, 0.7313],
          [0.8685, 0.8685, 0.6515, 0.6515],
          [0.8685, 0.8685, 0.6515, 0.6515]]]])

该解决方案应该适用于所有内核大小、填充和膨胀，并且速度快。例如，在这个简单的情况下，我可以轻松地用

torch.nn.MaxPool2d(2)(z)

计算出我想要的 Kroeneker 产品，但这并不能概括。

Answer 1

一种选择是使用 torch.repeat_interleave ，如下所示：

torch.repeat_interleave(torch.repeat_interleave(F.max_pool2d(t, 2), 2, dim=-1), 2, dim=-2)

这个 maxpools，然后在每个轴上再次扩展。