torch.nn.functional.upsample

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

对输入进行上采样。

提供的张量将被上采样到指定的 size 或者指定的 scale_factor

警告

此函数已不推荐使用，建议参考torch.nn.functional.interpolate()。这等同于nn.functional.interpolate(...)。

注意

当给定的张量位于CUDA设备上时，此操作可能会产生非确定性的梯度。更多详细信息请参见重现性。

上采样的算法由mode决定。

目前支持时序、空间和体积上的上采样，输入的数据形状可以是三维、四维或五维。

输入维度的解释格式为：小批量 x 通道数 x [可选深度] x [可选高度] x 宽度。

可用的上采样模式有：nearest、linear（仅3D）、bilinear、bicubic（仅4D）、trilinear（仅5D）

参数

• 输入 (Tensor) – 输入的张量

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

• scale_factor (float 或 Tuple[float]) – 空间大小的乘数。如果它是元组形式，则必须与输入大小相匹配。

• mode (str) – 用于上采样的方法： 'nearest' | 'linear' | 'bilinear' | 'bicubic' | 'trilinear'。 默认值为：'nearest'

• align_corners (bool, optional) – 从几何角度来看，我们将输入和输出的像素视为正方形而非点。如果设置为True，则输入和输出张量通过其角像素中心点对齐，并保留角像素值。若设置为False，则输入和输出张量通过其角像素角落点对齐，并且插值使用边缘值填充超出边界的值，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

注意

使用mode='bicubic'可能会导致过冲，即生成负值或大于255的值。如果你想在显示图像时减少这种过冲，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，因此输出值会依赖于输入大小。在版本 0.3.1 及之前，默认行为是align_corners = True。从那时起，默认行为改为align_corners = False。有关此设置如何影响输出的具体示例，请参见Upsample。