torch.nn.functional.upsample¶
- torch.nn.functional.upsample(input, size=None, scale_factor=None, mode='nearest', align_corners=None)[source][source]¶
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。