PixelShuffle

class torch.nn.PixelShuffle(upscale_factor)

根據上取樣因子重新排列張量中的元素。

將形狀為 $(*, C \times r^2, H, W)$ 的張量重新排列為形狀為 $(*, C, H \times r, W \times r)$ 的張量，其中 r 是上取樣因子。

這對於實現步長為 $1/r$ 的高效子畫素卷積非常有用。

更多細節請參閱論文：Real-Time Single Image and Video Super-Resolution Using an Efficient Sub-Pixel Convolutional Neural Network，作者 Shi 等人（2016）。

引數

upscale_factor ( int ) – 空間解析度增加的因子

形狀

• 輸入：$(*, C_{in}, H_{in}, W_{in})$，其中 * 是零個或多個批次維度

• 輸出：$(*, C_{out}, H_{out}, W_{out})$，其中

$$C_{out} = C_{in} \div \text{upscale\_factor}^2$$

$$H_{out} = H_{in} \times \text{upscale\_factor}$$

$$W_{out} = W_{in} \times \text{upscale\_factor}$$

示例

>>> pixel_shuffle = nn.PixelShuffle(3)
>>> input = torch.randn(1, 9, 4, 4)
>>> output = pixel_shuffle(input)
>>> print(output.size())
torch.Size([1, 1, 12, 12])

extra_repr()

返回模組的額外表示。

返回型別

str

forward(input)

執行前向傳播。

返回型別

張量