pytorch torch.nn.functional實現插值和上採樣

 interpolate

torch.nn.functional.interpolate(input, size=None, scale_factor=None, mode='nearest', align_corners=None)

根據給定的size或scale_factor參數來對輸入進行下/上採樣

使用的插值算法取決於參數mode的設置

支持目前的temporal(1D, 如向量數據), spatial(2D, 如jpg、png等圖像數據)和volumetric(3D, 如點雲數據)類型的採樣數據作爲輸入，輸入數據的格式爲minibatch x channels x [optional depth] x [optional height] x width，具體爲：

• 對於一個temporal輸入，期待着3D張量的輸入，即minibatch x channels x width
• 對於一個空間spatial輸入，期待着4D張量的輸入，即minibatch x channels x height x width
• 對於體積volumetric輸入，則期待着5D張量的輸入，即minibatch x channels x depth x height x width

可用於重置大小的mode有：最近鄰、線性(3D-only),、雙線性, 雙三次(bicubic,4D-only)和三線性(trilinear,5D-only)插值算法和area算法

參數：

• input (Tensor) – 輸入張量

• size (int or Tuple[int] or Tuple[int, int] or Tuple[int, int, int]) –輸出大小.

• scale_factor (float or Tuple[float]) – 指定輸出爲輸入的多少倍數。如果輸入爲tuple，其也要制定爲tuple類型

• mode (str) – 可使用的上採樣算法，有'nearest', 'linear', 'bilinear', 'bicubic' , 'trilinear'和'area'. 默認使用'nearest'

• align_corners (bool, optional) –幾何上，我們認爲輸入和輸出的像素是正方形，而不是點。如果設置爲True，則輸入和輸出張量由其角像素的中心點對齊，從而保留角像素處的值。如果設置爲False，則輸入和輸出張量由它們的角像素的角點對齊，插值使用邊界外值的邊值填充;當scale_factor保持不變時，使該操作獨立於輸入大小。僅當使用的算法爲'linear', 'bilinear', 'bilinear'or 'trilinear'時可以使用。默認設置爲False

• 輸入：

• import torch
  from torch import nn
  import torch.nn.functional as F
  input = torch.arange(1, 5, dtype=torch.float32).view(1, 1, 2, 2)
  input

  返回值： 

  tensor([[[[1., 2.],
            [3., 4.]]]])

   輸入：

  x = F.interpolate(input, scale_factor=2, mode='nearest')
  x

   返回值

  tensor([[[[1., 1., 2., 2.],
            [1., 1., 2., 2.],
            [3., 3., 4., 4.],
            [3., 3., 4., 4.]]]])

  輸入值： 

  x = F.interpolate(input, scale_factor=2, mode='bilinear', align_corners=True)
  x

   返回值：

  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]]]])