我试图理解 Pytorch 中的取消池化，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)
但是我经常在最后一行(取消池化(收到此错误。
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，输入必须具有该形状。
我对卷积网络相当陌生，但我什至在池化之前尝试使用 ReLU 和卷积 2D 层，但是，在为这种形状取消池化时，索引似乎总是不正确的。
您的数据是一维的，并且您使用的是二维池化和取消池化操作。
PyTorch 将张量的前两个维度解释为"批处理维度"和"通道"/"特征空间"维度。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，由 pytorch 解释为单个批次("批次维度"= 1(，每个样本有 73 个通道和 480 个样本。
出于某种原因，MaxPool2d为您工作，并将通道维度视为空间维度并对此进行采样 - 我不确定这是一个错误或功能。
如果您确实想沿着第二个维度进行采样，您可以添加一个额外的维度，使data成为 4D 张量：
out, indices1 = pool_t(data[None,...])
In [11]: out = unpool_t(out, indices1, data[None,...].size())