UpsamplingBilinear2d

class torch.nn.UpsamplingBilinear2d(size=None, scale_factor=None)

对由多个输入通道组成的输入信号应用 2D 双线性上采样。

要指定缩放比例，它采用 size 或 scale_factor 作为其构造函数参数。

当给定 size 时，它是图像的输出大小 (h, w)。

参数

• size (int 或 Tuple[int, int], 可选) – 输出空间大小

• scale_factor (float 或 Tuple[float, float], 可选) – 空间大小的乘数。

警告

此类已被弃用，建议使用 interpolate()。它等效于 nn.functional.interpolate(..., mode='bilinear', align_corners=True)。

形状

• 输入: $(N, C, H_{in}, W_{in})$

• 输出: $(N, C, H_{out}, W_{out})$ 其中

$$H_{out} = \left\lfloor H_{in} \times \text{scale\_factor} \right\rfloor$$

$$W_{out} = \left\lfloor W_{in} \times \text{scale\_factor} \right\rfloor$$

示例

>>> input = torch.arange(1, 5, dtype=torch.float32).view(1, 1, 2, 2)
>>> input
tensor([[[[1., 2.],
          [3., 4.]]]])

>>> m = nn.UpsamplingBilinear2d(scale_factor=2)
>>> m(input)
tensor([[[[1.0000, 1.3333, 1.6667, 2.0000],
          [1.6667, 2.0000, 2.3333, 2.6667],
          [2.3333, 2.6667, 3.0000, 3.3333],
          [3.0000, 3.3333, 3.6667, 4.0000]]]])