最近邻上采样2D

class torch.nn.UpsamplingNearest2d(size=None, scale_factor=None)

将 2D 最近邻上采样应用于由多个输入通道组成的输入信号。

要指定比例，它将 size 或 scale_factor 作为其构造函数参数。

当给出 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

此类已弃用，建议使用 interpolate()。

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.UpsamplingNearest2d(scale_factor=2)
>>> m(input)
tensor([[[[1., 1., 2., 2.],
          [1., 1., 2., 2.],
          [3., 3., 4., 4.],
          [3., 3., 4., 4.]]]])