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

此函数已弃用，建议使用torch.ao.nn.quantized.functional.interpolate()。这等效于nn.quantized.functional.interpolate(...)。

有关实现细节，请参阅torch.nn.functional.interpolate()。

输入维度以以下形式解释：小批量 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

量化输入仅支持二维输入。

注意

量化输入仅支持以下模式：

• 双线性

• 最近邻

参数

• input (张量) – 量化输入张量。

• size (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 (浮点数 或 元组[浮点数]) – 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) – 从几何上讲，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，并且插值对超出边界的值使用边缘值填充，这使得此操作在scale_factor保持不变时与输入大小无关。这仅在mode为'bilinear'时有效。默认值：False。

警告

当align_corners = True时，线性插值模式（双线性）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。对于这些模式，这是直到版本 0.3.1 之前的默认行为。从那时起，默认行为为align_corners = False。有关这如何影响输出的具体示例，请参阅Upsample。