upsample

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

将输入上采样到指定的大小 size 或指定的 scale_factor。

警告

此函数已弃用，推荐使用 torch.ao.nn.quantized.functional.interpolate()。这等同于 nn.quantized.functional.interpolate(...)。

有关实现细节，请参阅 torch.nn.functional.interpolate()。

The input dimensions are interpreted in the form: mini-batch x channels x [optional depth] x [optional height] x width.

注意

输入量化参数会传播到输出。

注意

对于量化输入，仅支持 2D 输入。

注意

对于量化输入，仅支持以下模式：

• bilinear

• nearest

参数

• input (Tensor) – 量化输入张量。

• 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]) – 空间尺寸的乘数。必须是整数。

• mode (str) – 用于上采样的算法：'nearest' | 'bilinear'

• align_corners (bool, optional) – 在几何上，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，输入和输出张量将通过其角落像素的中心点对齐，从而保留角落像素的值。如果设置为 False，输入和输出张量将通过其角落像素的角落点对齐，并且插值使用边缘值填充来处理边界外的值，使得该操作与输入大小无关（当 scale_factor 保持不变时）。这仅在 mode 为 'bilinear' 时才有效。默认为 False。

警告

当 align_corners = True 时，线性插值模式（bilinear）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 0.3.1 版本之前这些模式的默认行为。此后，默认行为为 align_corners = False。有关此如何影响输出的具体示例，请参阅 Upsample。