torch.nn.functional.upsample

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

上采样输入。

提供的张量被上采样到给定的 size 或给定的 scale_factor

警告

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

注意

当在CUDA设备上给定张量时，此操作可能会产生不确定的梯度。更多信息请参见可重复性。

用于上采样的算法由mode决定。

目前支持时间、空间和体积的上采样，即预期的输入形状为3维、4维或5维。

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。

可用于上采样的模式有：最近邻、线性（仅限3D）、双线性、双三次（仅限4D）、三线性（仅限5D）

Parameters

• 输入 (张量) – 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。如果是一个元组，则必须与输入大小匹配。

• 模式 (字符串) – 用于上采样的算法： 'nearest' | 'linear' | 'bilinear' | 'bicubic' | 'trilinear'。默认值：'nearest'

• align_corners (布尔值, 可选) – 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，使得此操作在保持 scale_factor 相同的情况下与输入大小无关。这仅在 mode 为 'linear'、'bilinear'、'bicubic' 或 'trilinear' 时有效。 默认值: False

注意

使用 mode='bicubic' 时，可能会导致过冲，换句话说，它可能会产生小于0或大于255的值。如果您希望在显示图像时减少过冲，可以显式调用 result.clamp(min=0, max=255)。

警告

当align_corners = True时，线性插值模式（线性、双线性和三线性）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。自那时起，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。