UpsamplingNearest2D¶
- paddle.nn.UpsamplingNearest2D(size=None,scale_factor=None, data_format='NCHW',name=None):
调整一个 batch 中图片的大小。
输入为 4-D Tensor 时形状为(num_batches, channels, in_h, in_w)或者(num_batches, in_h, in_w, channels),调整大小只适用于高度和宽度对应的维度。
支持的插值方法:
NEAREST:最近邻插值
最近邻插值是在输入张量的高度和宽度上进行最近邻插值。
示例:
scale 计算方法:
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)
插值方式的输出纬度计算规则:
Nearest neighbor interpolation:
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
有关最近邻插值的详细信息,请参阅维基百科: https://en.wikipedia.org/wiki/Nearest-neighbor_interpolation
参数¶
size (list|tuple|Tensor|None) - 输出 Tensor,输入为 4D 张量,形状为(out_h, out_w)的 2-D Tensor。如果
size
是列表,每一个元素可以是整数或者形状为[1]的变量。如果size
是变量,则其维度大小为 1。默认值为 None。scale_factor (float|Tensor|list|None)-输入的高度或宽度的乘数因子。
size
和scale_factor
至少要设置一个。size
的优先级高于scale_factor
。默认值为 None。如果scale_factor
是一个 list 或 tuple,它必须与输入的 shape 匹配。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。对于 4-D Tensor,支持 NCHW(num_batches, channels, height, width) 或者 NHWC(num_batches, height, width, channels),默认值:'NCHW'。
name (str,可选) - 具体用法请参见 Name,一般无需设置,默认值为 None。
返回¶
4-D Tensor,形状为 (num_batches, channels, out_h, out_w) 或 (num_batches, out_h, out_w, channels)。
代码示例¶
import paddle
import paddle.nn as nn
input_data = paddle.rand(shape=(2,3,6,10)).astype("float32")
upsample_out = paddle.nn.UpsamplingNearest2D(size=[12,12])
input = paddle.to_tensor(input_data)
output = upsample_out(x=input)
print(output.shape)
# [2L, 3L, 12L, 12L]