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。sizescale_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]