快捷方式

PixelShuffle

class torch.nn.PixelShuffle(upscale_factor)[source]

根据放大因子重新排列张量中的元素。

重新排列形状为 (,C×r2,H,W)(*, C \times r^2, H, W) 的张量中的元素,使其形状变为 (,C,H×r,W×r)(*, C, H \times r, W \times r),其中 r 是放大因子。

这对于使用步长为 1/r1/r 的高效亚像素卷积进行实现很有用。

有关详细信息,请参阅论文:使用高效亚像素卷积神经网络进行实时单图像和视频超分辨率(Shi 等人,2016 年)。

参数

upscale_factor (int) – 用于增加空间分辨率的因子

形状
  • 输入:(,Cin,Hin,Win)(*, C_{in}, H_{in}, W_{in}),其中 * 是零个或多个批处理维度

  • 输出:(,Cout,Hout,Wout)(*, C_{out}, H_{out}, W_{out}), 其中

Cout=Cin÷upscale_factor2C_{out} = C_{in} \div \text{upscale\_factor}^2
Hout=Hin×upscale_factorH_{out} = H_{in} \times \text{upscale\_factor}
Wout=Win×upscale_factorW_{out} = W_{in} \times \text{upscale\_factor}

示例

>>> pixel_shuffle = nn.PixelShuffle(3)
>>> input = torch.randn(1, 9, 4, 4)
>>> output = pixel_shuffle(input)
>>> print(output.size())
torch.Size([1, 1, 12, 12])

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