upsample

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

將輸入上取樣到指定的大小 size 或指定的 scale_factor。

警告

此函式已棄用，推薦使用 torch.ao.nn.quantized.functional.interpolate()。這等同於 nn.quantized.functional.interpolate(...)。

有關實現細節，請參閱 torch.nn.functional.interpolate()。

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

注意

輸入量化引數會傳播到輸出。

注意

對於量化輸入，僅支援 2D 輸入。

注意

對於量化輸入，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]) – 輸出的空間大小。

• scale_factor (float 或 Tuple[float]) – 空間尺寸的乘數。必須是整數。

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

• align_corners (bool, optional) – 在幾何上，我們將輸入和輸出的畫素視為正方形而不是點。如果設定為 True，輸入和輸出張量將透過其角落畫素的中心點對齊，從而保留角落畫素的值。如果設定為 False，輸入和輸出張量將透過其角落畫素的角落點對齊，並且插值使用邊緣值填充來處理邊界外的值，使得該操作與輸入大小無關（當 scale_factor 保持不變時）。這僅在 mode 為 'bilinear' 時才有效。預設為 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 0.3.1 版本之前這些模式的預設行為。此後，預設行為為 align_corners = False。有關此如何影響輸出的具體示例，請參閱 Upsample。