torch.nn.functional.upsample

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

对输入进行上采样。

提供的张量将被上采样到给定的 size 或给定的 scale_factor。

警告

此函数已弃用，推荐使用 torch.nn.functional.interpolate()。这等效于 nn.functional.interpolate(...)。

注意

此操作在使用 CUDA 设备上的张量时可能会产生非确定性梯度。有关更多信息，请参阅 可复现性。

用于上采样的算法由 mode 确定。

目前支持时间、空间和体积上采样，即期望的输入形状为 3D、4D 或 5D。

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

可用的上采样模式包括：nearest、linear（仅限 3D）、bilinear、bicubic（仅限 4D）、trilinear（仅限 5D）。

参数

• input (Tensor) – 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。如果为元组，则必须与输入大小匹配。

• mode (str) – 用于上采样的算法：'nearest' | 'linear' | 'bilinear' | 'bicubic' | 'trilinear'。默认为：'nearest'

• 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，则输入和输出张量将通过其角像素的中心点对齐，保留角像素处的值。如果设置为 False，则输入和输出张量将通过其角像素的角点对齐，并且插值使用边缘值填充来处理边界外的值，使得此操作与输入大小无关（当 scale_factor 保持不变时）。这仅在 mode 为 'linear'、'bilinear'、'bicubic' 或 'trilinear' 时生效。默认为：False

注意

使用 mode='bicubic' 时，可能会导致过冲，换句话说，对于图像，它可能会产生负值或大于 255 的值。如果要在显示图像时减少过冲，请明确调用 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。