快捷方式

上采样

class torch.ao.nn.quantized.functional.upsample(input, size=None, scale_factor=None, mode='nearest', align_corners=None)[source]

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'bilinear'时有效。默认值:False

警告

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

文档

访问 PyTorch 的全面开发者文档

查看文档

教程

获取针对初学者和高级开发人员的深入教程

查看教程

资源

查找开发资源并获得问题的解答

查看资源