上采样

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

将输入上采样至给定的 size 或者给定的 scale_factor

警告

此函数已被torch.ao.nn.quantized.functional.interpolate()取代。这等同于nn.quantized.functional.interpolate(...)。

参见torch.nn.functional.interpolate()以了解实现详情。

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。

注意

输入的量化参数会传递到输出。

注意

仅支持量化后的二维输入

注意

仅支持以下模式的量化输入：

• 双线性

• 最近的邻居

参数

• input (Tensor) – 输入的量化张量

• 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]) – 空间大小的放大倍数。必须是整数。

• mode (str) – 上采样使用的算法：'nearest' 或 'bilinear'

• align_corners (bool, optional) – 从几何角度看，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，并保留角像素处的值。如果设置为False，则输入和输出张量通过其角像素的角落点对齐，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'bilinear'时有效。默认值： False

警告

当align_corners=True时，线性插值模式（如bilinear）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。