upsample

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

將輸入上取樣到給定的 size 或給定的 scale_factor

警告

此函式已棄用，請改用 torch.ao.nn.quantized.functional.interpolate()。它與 nn.quantized.functional.interpolate(...) 等效。

請參閱 torch.nn.functional.interpolate() 以獲取實現細節。

輸入維度按以下形式解釋：mini-batch x 通道 x [可選深度] x [可選高度] x 寬度。

注意

輸入量化引數傳播到輸出。

注意

量化輸入僅支援 2D 輸入

注意

量化輸入僅支援以下模式

• bilinear

• nearest

引數

• input (Tensor) – 量化輸入張量

• size (int 或 Tuple[int] 或 Tuple[int, int] 或 Tuple[int, int, int]) – 輸出空間大小。

• scale_factor (float 或 Tuple[float]) – 空間大小的乘數。必須是整數。

• mode (str) – 用於上取樣的演算法：'nearest' | 'bilinear'

• align_corners (bool, 可選) – 從幾何角度看，我們將輸入和輸出的畫素視為正方形而非點。如果設定為 True，輸入和輸出張量按其角畫素的中心點對齊，保留角畫素的值。如果設定為 False，輸入和輸出張量按其角畫素的角點對齊，插值對邊界外的值使用邊緣值填充，當 scale_factor 保持不變時，此操作與輸入大小無關。這僅在 mode 為 'bilinear' 時有效。預設值: False

警告

當 align_corners = True 時，線性插值模式（bilinear）不會按比例對齊輸出和輸入畫素，因此輸出值可能取決於輸入大小。這是這些模式在 0.3.1 版本之前的預設行為。從那時起，預設行為是 align_corners = False。請參閱 Upsample，瞭解關於這如何影響輸出的具體示例。