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，推荐使用 torch.ao.nn.quantized.functional.interpolate() 。这与 nn.quantized.functional.interpolate(...) 相当。

查看 torch.nn.functional.interpolate() 获取实现细节。

输入维度以以下形式解释：批大小 x 通道 x [可选深度] x [可选高度] x 宽度。

注意

输入量化参数会传播到输出。

注意

仅支持 2D 输入进行量化输入。

注意

仅支持以下模式进行量化输入：

• 双线性

• 最近邻

参数:

• 输入（张量）- 量化输入张量

• 大小（int 或 Tuple[int] 或 Tuple[int, int] 或 Tuple[int, int, int]）- 输出空间大小。

• scale_factor (浮点数或浮点数元组) – 空间大小的乘数。必须为整数。

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

• 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 ，则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 ，则输入和输出张量通过其角像素的角点对齐，并且插值使用边界值填充超出边界值，当 scale_factor 保持不变时，使此操作与输入大小无关。这仅在 mode 为 'bilinear' 时才有影响。默认： False

警告

使用 align_corners = True 时，线性插值模式（双线性）不会成比例地对齐输出和输入像素，因此输出值可能取决于输入大小。这些模式直到版本 0.3.1 的默认行为都是这样的。从那时起，默认行为是 align_corners = False 。请参阅 Upsample 以了解具体示例，说明这如何影响输出。