torch.nn.functional.upsample

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

上采样输入。

将提供的张量上采样至指定的 size 或指定的 scale_factor。

警告

此函数已被弃用，建议改用 torch.nn.functional.interpolate()。此函数等效于 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。

上采样所使用的算法由 mode 决定。

目前支持时间、空间和体积上采样，即预期的输入形状为 3-D、4-D 或 5-D。

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

可用于上采样的模式有：nearest（最近邻）、linear（仅限 3D）、bilinear（双线性）、bicubic（双三次，仅限 4D）、trilinear（三线性，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]) – 输出空间尺寸。

• scale_factor (float 或 Tuple[float]) – 空间尺寸的乘数。如果是元组，则必须与输入尺寸匹配。

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

• align_corners (bool, 可选) – 从几何角度看，我们将输入和输出的像素视为正方形而不是点。如果设为 True，则输入和输出张量通过其角像素的中心点对齐，从而保留角像素处的值。如果设为 False，则输入和输出张量通过其角像素的角点对齐，插值时对边界外的值使用边缘值填充，这使得该操作在 scale_factor 保持不变时，独立于输入尺寸。该参数仅在 mode 为 'linear'、'bilinear'、'bicubic' 或 'trilinear' 时生效。默认值：False

注意

使用 mode='bicubic' 时，可能会导致过冲（overshoot），换句话说，对于图像而言，它可能会产生负值或大于 255 的值。如果您希望在显示图像时减少过冲，请显式调用 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，因此输出值可能会依赖于输入尺寸。这曾是版本 0.3.1 之前这些模式的默认行为。自那以后，默认行为改为 align_corners = False。有关此设置如何影响输出的具体示例，请参见 Upsample。