评价此页

upsample#

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

将输入上采样到给定的 size 或给定的 scale_factor

警告

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

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

输入维度按以下格式解释:mini-batch x channels x [可选深度] x [可选高度] x width

注意

输入量化参数会传播到输出。

注意

量化输入仅支持 2D 输入

注意

量化输入仅支持以下模式

  • bilinear

  • nearest

参数
  • input (Tensor) – 量化输入张量

  • size (intTuple[int] 或 Tuple[int, int] 或 Tuple[int, int, int]) – 输出空间尺寸。

  • scale_factor (floatTuple[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, 可选) – 从几何学角度讲,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落像素的中心点对齐,保留角落像素的值。如果设置为 False,则输入和输出张量通过其角落像素的角落点对齐,并且插值对外边界值使用边缘值填充,当 scale_factor 保持不变时,此操作独立于输入尺寸。仅当 mode'bilinear' 时有效。默认为 False

警告

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尺寸。这是直到 0.3.1 版本为止的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,请参见 Upsample