torch.nn.functional.upsample

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

對輸入進行升採樣 (Upsample)。

提供的張量 (tensor) 會被升採樣至指定的 size 或 scale_factor。

警告

此函式已被棄用，建議改用 torch.nn.functional.interpolate()。 這等同於 nn.functional.interpolate(...)。

注意

當在 CUDA 裝置上給定張量時，此操作可能會產生不確定的梯度。有關更多訊息，請參閱 重現性 (Reproducibility)。

用於升採樣的演算法由 mode 決定。

目前支援時間、空間和體積升採樣，即預期的輸入形狀為 3-D、4-D 或 5-D。

輸入維度以以下形式解釋：mini-batch x 通道數 x [可選深度] x [可選高度] x 寬度。

可用於升採樣的模式有：nearest、linear（僅限 3D）、bilinear、bicubic（僅限 4D）、trilinear（僅限 5D）

參數

• input (Tensor) – 輸入張量 (tensor)

• size (int 或 Tuple[int] 或 Tuple[int, int] 或 Tuple[int, int, int]) – 輸出空間大小。

• scale_factor (float 或 Tuple[float]) – 空間大小的乘數。如果是元組 (tuple)，則必須與輸入大小相符。

• mode (str) – 用於升採樣的演算法：'nearest' | 'linear' | 'bilinear' | 'bicubic' | 'trilinear'。預設值：'nearest'

• align_corners (bool, optional) – 在幾何上，我們將輸入和輸出的像素視為正方形而不是點。 如果設定為 True，則輸入和輸出張量會通過其角落像素的中心點對齊，從而保留角落像素處的值。 如果設定為 False，則輸入和輸出張量會通過其角落像素的角點對齊，並且插值使用邊緣值填充來處理超出邊界的值，使得此操作在 scale_factor 保持不變時獨立於輸入大小。 這僅在 mode 為 'linear'、'bilinear'、'bicubic' 或 'trilinear' 時才有效。預設值：False

注意

使用 mode='bicubic'，可能會導致過衝 (overshoot)，換句話說，它可能會產生負值或大於 255 的影像值。如果想減少顯示影像時的過衝，請明確呼叫 result.clamp(min=0, max=255)。

警告

使用 align_corners = True，線性插值模式（linear、bilinear 和 trilinear）不會按比例對齊輸出和輸入像素，因此輸出值可能取決於輸入大小。 這是 0.3.1 版之前這些模式的預設行為。 從那時起，預設行為是 align_corners = False。 有關這如何影響輸出的具體範例，請參閱 Upsample。