快捷方式

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)[源代码]

对输入进行下采样/上采样。

张量插值到给定的 size 或给定的 scale_factor

用于插值的算法由 mode 确定。

目前支持时间、空间和体积采样,即预期输入的形状为 3D、4D 或 5D。

输入维度以以下形式解释:mini-batch x channels x [可选深度] x [可选高度] x 宽度

可用于调整大小的模式有:nearestlinear(仅限 3D)、bilinearbicubic(仅限 4D)、trilinear(仅限 5D)、areanearest-exact

参数
  • input (张量) – 输入张量

  • size (int元组[int] 或 元组[int, int] 或 元组[int, int, int]) – 输出空间大小。

  • scale_factor (float元组[float]) – 空间大小的乘数。如果 scale_factor 是一个元组,则其长度必须与空间维度的数量匹配;input.dim() - 2

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

  • align_corners (bool, 可选) – 从几何上讲,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,则输入和输出张量将通过其角像素的中心点对齐,保留角像素的值。如果设置为 False,则输入和输出张量将通过其角像素的角点对齐,并且插值对超出边界的值使用边缘值填充,这使得此操作在 scale_factor 保持不变时独立于输入大小。这仅在 mode'linear''bilinear''bicubic''trilinear' 时有效。默认值:False

  • recompute_scale_factor (bool, 可选) – 重新计算用于插值计算的 scale_factor。如果 recompute_scale_factorTrue,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比例。请注意,当 scale_factor 为浮点数时,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_factorFalse,则 sizescale_factor 将直接用于插值。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 在下采样操作中的结果匹配。支持的模式:'bilinear''bicubic'

返回类型

张量

注意

使用 mode='bicubic' 时,可能会导致过冲,换句话说,它可能会为图像生成负值或大于 255 的值。如果您希望在显示图像时减少过冲,请显式调用 result.clamp(min=0, max=255)

注意

模式 mode='nearest-exact' 与 Scikit-Image 和 PIL 最近邻插值算法匹配,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' 与有问题的 OpenCV 的 INTER_NEAREST 插值算法匹配。

注意

在使用模式 ['linear', 'bilinear', 'bicubic', 'trilinear', 'area'] 时,CUDA 上数据类型 float16 的梯度在上采样操作中可能不准确。有关更多详细信息,请参阅 issue#104157 中的讨论。

注意

当在 CUDA 设备上给出张量时,此操作可能会产生不确定的梯度。有关更多信息,请参阅 可重复性

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