UpsamplingBilinear2d

class torch.nn.modules.upsampling.UpsamplingBilinear2d(size=None, scale_factor=None) [исходный код]

Применяет билинейную передискретизацию 2D к входному сигналу, состоящему из нескольких входных каналов.

Чтобы задать масштаб, в качестве аргумента конструктора принимает либо size, либо scale_factor.

Если задан size, он определяет выходной размер изображения (h, w).

Параметры:

• size (int or Tuple[int, int], необязательно) – выходные пространственные размеры
• scale_factor (float or Tuple[float, float], необязательно) – множитель пространственного размера.

Предупреждение

Этот класс устарел; вместо него используйте interpolate(). Он эквивалентен nn.functional.interpolate(..., mode='bilinear', align_corners=True).

Форма:

• Вход: $(N, C, H_{in}, W_{in})$
• Выход: $(N, C, H_{out}, W_{out})$ где

$$H_{out} = \left\lfloor H_{in} \times \text{scale\_factor} \right\rfloor$$

$$W_{out} = \left\lfloor W_{in} \times \text{scale\_factor} \right\rfloor$$

Примеры:

>>> input = torch.arange(1, 5, dtype=torch.float32).view(1, 1, 2, 2)
>>> input
tensor([[[[1., 2.],
          [3., 4.]]]])

>>> m = nn.UpsamplingBilinear2d(scale_factor=2)
>>> m(input)
tensor([[[[1.0000, 1.3333, 1.6667, 2.0000],
          [1.6667, 2.0000, 2.3333, 2.6667],
          [2.3333, 2.6667, 3.0000, 3.3333],
          [3.0000, 3.3333, 3.6667, 4.0000]]]])