torch.nn.functional.upsample

torch.nn.functional.upsample(input, size=None, scale_factor=None, mode='nearest', align_corners=None)

对输入进行上采样。

提供的张量将根据给定的 size 或 scale_factor 进行上采样。

警告

此函数已弃用，请使用 torch.nn.functional.interpolate() 代替。它等同于 nn.functional.interpolate(...)。

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。

上采样所使用的算法由 mode 决定。

当前支持时间维、空间维和体素维的上采样，即期望输入形状为 3-D、4-D 或 5-D。

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

可用于上采样的模式有：nearest（最近邻插值）、linear（线性插值，仅 3D）、bilinear（双线性插值）、bicubic（双三次插值，仅 4D）、trilinear（三线性插值，仅 5D）

参数

• input (Tensor) – 输入张量

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

• scale_factor (float 或 Tuple[float]) – 空间大小的乘数。如果是 Tuple，则必须与输入大小匹配。

• mode (str) – 上采样使用的算法：'nearest'（最近邻） | 'linear'（线性） | 'bilinear'（双线性） | 'bicubic'（双三次） | 'trilinear'（三线性）。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，输入和输出张量会通过角像素的中心点对齐，保留角像素的值。如果设置为 False，输入和输出张量会通过角像素的角点对齐，插值会使用边缘值填充边界外的值，当 scale_factor 保持不变时，这使得此操作与输入大小无关。这仅在 mode 为 'linear', 'bilinear', 'bicubic' 或 'trilinear' 时生效。默认值：False

注意

在使用 mode='bicubic' 时，可能会导致过冲，换句话说，它可能为图像产生负值或大于 255 的值。如果在显示图像时想减少过冲，请显式调用 result.clamp(min=0, max=255)。

警告

当 align_corners = True 时，线性插值模式（linear、bilinear 和 trilinear）不会按比例对齐输出和输入像素，因此输出值可能取决于输入大小。这是这些模式在 0.3.1 版本之前的默认行为。从那时起，默认行为是 align_corners = False。请参阅 Upsample 了解具体示例，说明这如何影响输出。