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

此功能已被弃用，推荐使用 torch.nn.functional.interpolate() 。这与 nn.functional.interpolate(...) 等效。

注意

当在 CUDA 设备上给定张量时，此操作可能会产生非确定性的梯度。有关更多信息，请参阅可重现性。

用于上采样的算法由 mode 确定。

目前支持时间、空间和体积上采样，即期望的输入形状为 3-D、4-D 或 5-D。

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。

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

参数:

• 输入（张量）- 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（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。

• mode (str) – 用于上采样的算法： 'nearest' | 'linear' | 'bilinear' | 'bicubic' | 'trilinear' 。默认： 'nearest'

• align_corners (bool, 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，此操作与输入大小无关。这仅在 mode 为 'linear' ， 'bilinear' ， 'bicubic' 或 'trilinear' 时才有效。默认： False

注意

使用 mode='bicubic' ，可能会导致溢出，换句话说，它可能会产生负值或大于 255 的值。如果想在显示图像时减少溢出，请显式调用 result.clamp(min=0, max=255) 。

警告

使用 align_corners = True 时，线性插值模式（线性、双线性、三线性）不会按比例对齐输出和输入像素，因此输出值可能取决于输入大小。这些模式在版本 0.3.1 之前默认行为如此。从那时起，默认行为是 align_corners = False 。有关具体示例，请参阅 Upsample 。