torch.nn.functional.interpolate

torch.nn.functional.interpolate(input, size=None, scale_factor=None, mode='nearest', align_corners=None, recompute_scale_factor=None, antialias=False)

对输入进行下采样/上采样。

张量通过给定的 size 或 scale_factor 进行插值

插值算法由 mode 决定。

目前支持时间、空间和体三维采样，即期望的输入形状为 3 维、4 维或 5 维。

输入维度的解释形式为：mini-batch x channels x [可选深度] x [可选高度] x 宽度。

可用的缩放模式有：nearest、linear（仅 3D）、bilinear、bicubic（仅 4D）、trilinear（仅 5D）、area、nearest-exact

参数

• input (Tensor) – 输入张量

• size (int 或 Tuple[int] 或 Tuple[int, int] 或 Tuple[int, int, int]) – 输出空间尺寸。

• scale_factor (float 或 Tuple[float]) – 空间尺寸的乘数。如果 scale_factor 是一个 tuple，其长度必须与空间维度的数量匹配；即 input.dim() - 2。

• mode (str) – 上采样使用的算法：'nearest' | 'linear' | 'bilinear' | 'bicubic' | 'trilinear' | 'area' | 'nearest-exact'。默认值：'nearest'

• align_corners (bool, 可选) – 从几何学角度来看，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，则输入和输出张量按其角像素的中心点对齐，保留角像素的值。如果设置为 False，则输入和输出张量按其角像素的角点对齐，插值使用边缘值填充处理边界外的值，使得当 scale_factor 保持不变时，此操作与输入大小无关。这仅在 mode 为 'linear'、'bilinear'、'bicubic' 或 'trilinear' 时有效。默认值：False

• recompute_scale_factor (bool, 可选) – 重新计算插值计算中使用的 scale_factor。如果 recompute_scale_factor 为 True，则必须传入 scale_factor，并且 scale_factor 用于计算输出 size。计算出的输出 size 将用于推断插值的新缩放比例。请注意，当 scale_factor 是浮点数时，由于舍入和精度问题，它可能与重新计算的 scale_factor 不同。如果 recompute_scale_factor 为 False，则直接使用 size 或 scale_factor 进行插值。默认值：None。

• antialias (bool, 可选) – 应用抗锯齿的标志。默认值：False。将抗锯齿选项与 align_corners=False 一起使用时，插值结果将与 Pillow 的下采样操作结果一致。支持的模式：'bilinear'、'bicubic'。

返回类型

Tensor

注意

当使用 mode='bicubic' 时，可能会导致过冲，换句话说，对于图像而言，可能会产生负值或大于 255 的值。如果在显示图像时希望减少过冲，请显式调用 result.clamp(min=0, max=255)。

注意

模式 mode='nearest-exact' 与 Scikit-Image 和 PIL 的最近邻插值算法一致，并修复了 mode='nearest' 的已知问题。引入此模式是为了保持向后兼容性。模式 mode='nearest' 与 OpenCV 中有 bug 的 INTER_NEAREST 插值算法一致。

注意

在使用模式 ['linear', 'bilinear', 'bicubic', 'trilinear', 'area'] 时，CUDA 上 dtype 为 float16 的上采样操作的梯度可能不准确。更多详细信息，请参考 issue#104157 中的讨论。

注意

在 CUDA 设备上给定张量时，此操作可能会产生非确定性梯度。更多信息请参阅可复现性。