torch中展平操作

在PyTorch中，可以使用`torch.flatten()`函数来实现展平操作。这个函数可以将一个张量展平成一个向量，其语法如下：

flatten(input, start_dim=0, end_dim=-1) -> Tensor

其中，`input`是要展平的张量，`start_dim`和`end_dim`指定了要展平的维度范围。例如，如果`start_dim=1`，`end_dim=-1`，意味着从第二个维度开始展平，一直展平到最后一个维度。如果`start_dim=0`，`end_dim=1`，则意味着只展平第一个和第二个维度。

在AlexNet中，展平操作可以通过以下代码实现：

import torch.nn as nn

# 定义AlexNet模型
class AlexNet(nn.Module):
    def __init__(self):
        super(AlexNet, self).__init__()
        self.features = nn.Sequential(
            nn.Conv2d(3, 64, kernel_size=11, stride=4, padding=2),
            nn.ReLU(inplace=True),
            nn.MaxPool2d(kernel_size=3, stride=2),
            nn.Conv2d(64, 192, kernel_size=5, padding=2),
            nn.ReLU(inplace=True),
            nn.MaxPool2d(kernel_size=3, stride=2),
            nn.Conv2d(192, 384, kernel_size=3, padding=1),
            nn.ReLU(inplace=True),
            nn.Conv2d(384, 256, kernel_size=3, padding=1),
            nn.ReLU(inplace=True),
            nn.Conv2d(256, 256, kernel_size=3, padding=1),
            nn.ReLU(inplace=True),
            nn.MaxPool2d(kernel_size=3, stride=2),
        )
        self.avgpool = nn.AdaptiveAvgPool2d((6, 6))
        self.classifier = nn.Sequential(
            nn.Dropout(),
            nn.Linear(256 * 6 * 6, 4096),
            nn.ReLU(inplace=True),
            nn.Dropout(),
            nn.Linear(4096, 4096),
            nn.ReLU(inplace=True),
            nn.Linear(4096, 1000),
        )

    def forward(self, x):
        x = self.features(x)
        x = self.avgpool(x)
        x = torch.flatten(x, 1) # 在第一维之后展平
        x = self.classifier(x)
        return x

上述代码中，`torch.flatten(x, 1)`将输入张量`x`在第一维（第0维是batch size）之后展平。