pixel_shuffle¶
该OP将一个形为[N, C, H, W]的Tensor重新排列成形为 [N, C/r**2, H*r, W*r] 的Tensor。这样做有利于实现步长(stride)为1/r的高效sub-pixel(亚像素)卷积。详见Shi等人在2016年发表的论文 Real Time Single Image and Video Super Resolution Using an Efficient Sub Pixel Convolutional Neural Network 。
给定一个形为 x.shape = [1, 9, 4, 4] 的4-D张量
设定:upscale_factor=3
那么输出张量的形为:[1, 1, 12, 12]
参数¶
x (Variable)- 维度为 \([N_1, N_2, ..., N_k, D]\) 的多维Tensor,其中最后一维D是类别数目。数据类型为float32或float64。
upscale_factor (int)- 增大空间分辨率的增大因子
返回¶
根据新的维度信息进行重组的张量
返回类型¶
Variable
抛出异常¶
ValueError
- 如果upscale_factor的平方不能整除输入的通道维度(C)的大小。
代码示例¶
import paddle.fluid as fluid
input = fluid.layers.data(name="input", shape=[9,4,4])
output = fluid.layers.pixel_shuffle(x=input, upscale_factor=3)