resize_nearest¶

paddle.fluid.layers. resize_nearest ( input, out_shape=None, scale=None, name=None, actual_shape=None, align_corners=True, data_format='NCHW' ) [源代码] ¶

该OP对输入图片进行大小调整，在高度方向宽度方向进行最邻近插值（nearest neighbor interpolation）操作。

输出形状按优先级顺序依据 actual_shape , out_shape 和 scale 而定。

注意： 参数 actual_shape 将被弃用，请使用 out_shape 替代。

         Example:

      For scale:

        if align_corners = True && out_size > 1 :

          scale_factor = (in_size-1.0)/(out_size-1.0)

        else:

          scale_factor = float(in_size/out_size)

      Nearest neighbor interpolation:

      if align_corners = False

          input : (N,C,H_in,W_in)
          output: (N,C,H_out,W_out) where:

          H_out = \left \lfloor {H_{in} * scale_{}factor}} \right \rfloor
          W_out = \left \lfloor {W_{in} * scale_{}factor}} \right \rfloor

      else:
          align_corners = True

          input : (N,C,H_in,W_in)
          output: (N,C,H_out,W_out) where:

          H_out = round(H_{in} * scale_{factor})
          W_out = round(W_{in} * scale_{factor})

最邻近插值的详细介绍请参照：Wiki Nearest-neighbor interpolation

参数¶

input (Variable) - 4-D Tensor，数据类型为float32、float64或uint8，其数据格式由参数 data_format 指定。

out_shape (list|tuple|Variable|None) - 双线性插值法调整后的输出，维度为[out_h, out_w]的2-D Tensor。如果 out_shape 是列表，每一个元素可以是整数或者shape为[1]的变量。如果 out_shape 是变量，则其维度大小为1。默认值为None。

scale (float|Variable|None) – 输入高宽的乘数因子。out_shape 和 scale 二者至少设置其一。out_shape 具有比 scale 更高的优先级。默认值为None。

name (str，可选) - 具体用法请参见 Name，一般无需设置，默认值为 None。

actual_shape (Variable) - 可选输入，用于动态指定输出形状。如果指定actual_shape，图像将根据给定的形状调整大小，而不是根据指定形状的 out_shape 和 scale 进行调整。也就是说，actual_shape 具有最高的优先级。注意：如果希望动态指定输出形状，建议使用 out_shape，因为 actual_shape 未来将被弃用。在使用actual_shape指定输出形状时，仍然需要设置out_shape和scale之一，否则在图形构建阶段会出现错误。默认值为None。

align_corners （bool）- 一个可选的bool型参数，如果为True，则将输入和输出张量的4个角落像素的中心对齐，并保留角点像素的值。默认值为True。

data_format （str，可选）- 指定输入的数据格式，输出的数据格式将与输入保持一致，可以是"NCHW"和"NHWC"。N是批尺寸，C是通道数，H是特征高度，W是特征宽度。默认值："NCHW"。

返回¶

4-D Tensor，形状为 (num_batches, channels, out_h, out_w) 或 (num_batches, out_h, out_w, channels)。

返回类型¶

Variable

代码示例¶

          #declarative mode
import paddle.fluid as fluid
import numpy as np
import paddle
paddle.enable_static()

input = fluid.data(name="input", shape=[None,3,6,10])

#1
output = fluid.layers.resize_nearest(input=input,out_shape=[12,12])

#2
#x = np.array([2]).astype("int32")
#dim1 = fluid.data(name="dim1", shape=[1], dtype="int32")
#fluid.layers.assign(input=x, output=dim1)
#output = fluid.layers.resize_nearest(input=input,out_shape=[12,dim1])

#3
#x = np.array([3,12]).astype("int32")
#shape_tensor = fluid.data(name="shape_tensor", shape=[2], dtype="int32")
#fluid.layers.assign(input=x, output=shape_tensor)
#output = fluid.layers.resize_nearest(input=input,out_shape=shape_tensor)

#4
#x = np.array([0.5]).astype("float32")
#scale_tensor = fluid.data(name="scale", shape=[1], dtype="float32")
#fluid.layers.assign(x,scale_tensor)
#output = fluid.layers.resize_nearest(input=input,scale=scale_tensor)

place = fluid.CPUPlace()
exe = fluid.Executor(place)
exe.run(fluid.default_startup_program())

input_data = np.random.rand(2,3,6,10).astype("float32")

output_data = exe.run(fluid.default_main_program(),
    feed={"input":input_data},
    fetch_list=[output],
    return_numpy=True)

print(output_data[0].shape)

#1
# (2, 3, 12, 12)
#2
# (2, 3, 12, 2)
#3
# (2, 3, 3, 12)
#4
# (2, 3, 3, 5)

#imperative mode
import paddle.fluid.dygraph as dg

with dg.guard(place) as g:
    input = dg.to_variable(input_data)
    output = fluid.layers.resize_nearest(input=input, out_shape=[12,12])
    print(output.shape)

    # [2L, 3L, 12L, 12L]

         