upsample

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

此函数已被弃用，推荐使用 torch.ao.nn.quantized.functional.interpolate()。 这等同于 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 2D 输入

注意

量化输入仅支持以下模式

• bilinear

• nearest

参数

• input (Tensor) – 量化输入张量

• size (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。 必须为整数。

• mode (str) – 用于上采样的算法： 'nearest' | 'bilinear'

• align_corners (bool, optional) – 从几何角度来看，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，从而保留角像素的值。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，并且插值使用边缘值填充来处理边界外的值，当 scale_factor 保持不变时，此操作独立于输入大小。仅当 mode 为 'bilinear' 时，此参数才有效。默认值： False

警告

当 align_corners = True 时，线性插值模式（bilinear）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。这是 0.3.1 版本之前这些模式的默认行为。从那时起，默认行为是 align_corners = False。有关这如何影响输出的具体示例，请参阅 Upsample。