PixelShuffle

class torch.nn.PixelShuffle(upscale_factor)

根据上采样因子对张量中的元素进行重新排列。

将形状为 $(*, C \times r^2, H, W)$ 的张量中的元素重新排列为形状为 $(*, C, H \times r, W \times r)$ 的张量，其中 r 是上采样因子。

这对于实现具有 $1/r$ 步长的有效子像素卷积很有用。

详细内容请参阅论文：Shi 等人于 2016 年发表的《基于高效子像素卷积神经网络的实时单图像和视频超分辨率》。

参数:

upscale_factor (int) – 用于增加空间分辨率的因子

形状：

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

• 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])