PixelShuffle

类torch.nn.PixelShuffle(upscale_factor)[源代码]

根据放大的因素，重新排列张量中的元素。

将形状为 $(*, C \times r^2, H, W)$ 的张量元素重新排列为形状为 $(*, C, H \times r, W \times r)$ 的张量，其中 r 是上采样因子。

这有助于实现步长为$1/r$的高效子像素卷积。

参见 Shi 等人于 2016 年发表的论文《使用高效的子像素卷积神经网络进行实时单图像和视频超分辨率》(Real-Time Single Image and Video Super-Resolution Using an Efficient Sub-Pixel Convolutional Neural Network)，了解更多详细信息。

参数

upscale_factor (int) – 空间分辨率增加的因子

形状:

• 输入: $(*, C_{in}, H_{in}, W_{in})$，其中 * 代表零个或多个批次维度

• 输出为 $(*, C_{\text{out}}, H_{\text{out}}, W_{\text{out}})$，其中

$C_{out} = C_{in} \div \text{upscale\_factor}^2$

$H_{out} = H_{in} \times \text{upscale\_factor}$

$W_{out} = W_{in} \times \text{upscale\_factor}$

示例:

>>> pixel_shuffle = nn.PixelShuffle(3)
>>> input = torch.randn(1, 9, 4, 4)
>>> output = pixel_shuffle(input)
>>> print(output.size())
torch.Size([1, 1, 12, 12])