UpsamplingNearest2D¶

paddle.nn. UpsamplingNearest2D ( size=None, scale_factor=None, data_format='NCHW', name=None ) [源代码] ¶

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 Tensor 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 Tensor，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[]的 0-D Tensor。如果 size 是 Tensor，则其为 1D Tensor。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]

         