上采样

class torch.ao.nn.quantized.functional.upsample(input, size=None, scale_factor=None, mode='nearest', align_corners=None)

将输入上采样到给定的 size 或给定的 scale_factor

警告

此函数已被弃用，取而代之的是 torch.ao.nn.quantized.functional.interpolate()。 这等同于 nn.quantized.functional.interpolate(...)。

有关实现细节，请参阅 torch.nn.functional.interpolate()。

输入维度被解释为以下形式： 迷你批次 x 通道 x [可选深度] x [可选高度] x 宽度。

注意

输入量化参数传播到输出。

注意

仅支持二维输入用于量化输入

注意

仅支持以下模式用于量化输入：

• 双线性

• 最近

Parameters

• 输入 (张量) – 量化输入张量

• 大小 (整数 或 元组[整数] 或 元组[整数, 整数] 或 元组[整数, 整数, 整数]) – 输出空间大小。

• scale_factor (float 或 Tuple[float]) – 空间大小的乘数。必须是整数。

• mode (str) – 用于上采样的算法： 'nearest' | 'bilinear'

• align_corners (bool, 可选) – 在几何上，我们将输入和输出的像素视为正方形而不是点。 如果设置为 True，输入和输出张量通过其角像素的中心点对齐，保留角像素的值。 如果设置为 False，输入和输出张量通过其角像素的角点对齐，并且插值使用边缘值填充边界外的值，使得当 scale_factor 保持不变时，此操作与输入大小无关。这仅在 mode 为 'bilinear' 时生效。 默认值：False

警告

当align_corners = True时，线性插值模式（双线性）不会按比例对齐输出和输入像素，因此输出值可能会依赖于输入大小。在0.3.1版本之前，这是这些模式的默认行为。自那以后，默认行为变为align_corners = False。 请参阅Upsample以了解此设置如何影响输出的具体示例。