PixelShuffle

class torch.nn.PixelShuffle(upscale_factor)

根据上采样因子重新排列张量中的元素。

将形状为 $(*, C \times r^2, H, W)$ 的张量重新排列为形状为 $(*, C, H \times r, W \times r)$ 的张量，其中 r 是放大因子。

这对于实现高效的子像素卷积非常有用，步幅为 $1/r$。

参见论文： 使用高效子像素卷积神经网络实现实时单图像和视频超分辨率 由Shi等人（2016年）撰写，了解更多详情。

Parameters

upscale_factor (int) – 增加空间分辨率的因子

Shape:

• 输入: $(*, C_{in}, H_{in}, W_{in})$, 其中 * 表示零个或多个批次维度

• 输出: $(*, C_{out}, H_{out}, W_{out})$, 其中

$$C_{out} = C_{in} \div \text{upscale\_factor}^2$$

$$H_{out} = H_{in} \times \text{upscale\_factor}$$

$$W_{out} = W_{in} \times \text{upscale\_factor}$$

示例：

>>> pixel_shuffle = nn.PixelShuffle(3)
>>> input = torch.randn(1, 9, 4, 4)
>>> output = pixel_shuffle(input)
>>> print(output.size())
torch.Size([1, 1, 12, 12])