UpsamplingBilinear2d ¬

class torch.nn.UpsamplingBilinear2d(size=None, scale_factor=None)[来源][来源] ¬

对由多个输入通道组成的输入信号应用 2D 双线性上采样。

指定比例时，它以 size 或 scale_factor 作为其构造函数参数。

当提供 size 时，它是图像的输出大小（h, w）。

参数:

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

• scale_factor（float 或 Tuple[float, float]，可选）- 空间大小的乘数。

警告

这个类已被弃用，推荐使用 interpolate() 。它与 nn.functional.interpolate(..., mode='bilinear', align_corners=True) 等价。

形状：

• 输入: $(N, C, H_{in}, W_{in})$

• 输出： $(N, C, H_{out}, W_{out})$

$$H_{out} = \left\lfloor H_{in} \times \text{scale\_factor} \right\rfloor$$

$$W_{out} = \left\lfloor W_{in} \times \text{scale\_factor} \right\rfloor$$

示例：

>>> input = torch.arange(1, 5, dtype=torch.float32).view(1, 1, 2, 2)
>>> input
tensor([[[[1., 2.],
          [3., 4.]]]])

>>> m = nn.UpsamplingBilinear2d(scale_factor=2)
>>> m(input)
tensor([[[[1.0000, 1.3333, 1.6667, 2.0000],
          [1.6667, 2.0000, 2.3333, 2.6667],
          [2.3333, 2.6667, 3.0000, 3.3333],
          [3.0000, 3.3333, 3.6667, 4.0000]]]])