PixelShuffle

class torch.nn.PixelShuffle(upscale_factor)

根据上采样因子重新排列张量中的元素。

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

这对于实现步长为 $1/r$ 的高效子像素卷积非常有用。

更多细节请参阅论文：Real-Time Single Image and Video Super-Resolution Using an Efficient Sub-Pixel Convolutional Neural Network，作者 Shi 等人（2016）。

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 * 是零个或多个批次维度

• 输出：$(*, C_{out}, H_{out}, W_{out})$，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])

extra_repr()

返回模块的额外表示。

返回类型

str

forward(input)

执行前向传播。

返回类型

张量