resize_bilinear

  • paddle.fluid.layers.resize_bilinear(input, out_shape=None, scale=None, name=None, actual_shape=None, align_corners=True, align_mode=1, data_format='NCHW')[源代码]

注意: 参数 actual_shape 将被弃用，请使用 out_shape 替代。

该OP应用双向性插值法调整输入图片的大小，输出形状按优先级由actual_shape、out_shape和scale指定。

双线性插值是对线性插值的扩展,即二维变量方向上(如h方向和w方向)插值。关键思想是先在一个方向上执行线性插值，然后再在另一个方向上执行线性插值。

详情请参阅 维基百科 。

align_corners和align_mode是可选参数，插值的计算方法可以由它们选择。

  1. Example:
  2.  
  3.   For scale:
  4.  
  5.     if align_corners = True && out_size > 1 :
  6.  
  7.       scale_factor = (in_size-1.0)/(out_size-1.0)
  8.  
  9.     else:
  10.  
  11.       scale_factor = float(in_size/out_size)
  12.  
  13. Bilinear interpolation:
  14.  
  15.   if align_corners = False , align_mode = 0
  16.  
  17.       input : (N,C,H_in,W_in)
  18.       output: (N,C,H_out,W_out) where:
  19.  
  20.       H_out = (H_{in}+0.5) * scale_{factor} - 0.5
  21.       W_out = (W_{in}+0.5) * scale_{factor} - 0.5
  22.  
  23.   else:
  24.  
  25.       input : (N,C,H_in,W_in)
  26.       output: (N,C,H_out,W_out) where:
  27.  
  28.       H_out = H_{in} * scale_{factor}
  29.       W_out = W_{in} * scale_{factor}
  • 参数:
    • input (Variable) - 4-D Tensor，数据类型为float32、float64或uint8，其数据格式由参数 data_format 指定。
    • out_shape (list|tuple|Variable|None) - 双线性层的输出形状，维度为[out_h, out_w]的二维Tensor。如果 out_shape 是列表，每一个元素可以是整数或者维度为[1]的变量。如果 out_shape 是变量，则其维度大小为1。默认值为None。
    • scale (float|Variable|None) - 用于输入高度或宽度的乘数因子。out_shape和scale至少要设置一个。out_shape的优先级高于scale。默认值为None。
    • name (str|None) - 该参数供开发人员打印调试信息时使用，具体用法请参见 Name 。默认值为None。
    • actual_shape (Variable) - 可选输入，用于动态指定输出形状。如果指定actual_shape，图像将根据给定的形状调整大小，而不是根据指定形状的 out_shape 和 scale 进行调整。也就是说， actual_shape 具有最高的优先级。如果希望动态指定输出形状，建议使用 out_shape , 因为 out_shape 未来将被弃用。在使用actual_shape指定输出形状时，还需要设置out_shape和scale之一，否则在图形构建阶段会出现错误。默认值为None。
    • align_corners （bool）- 一个可选的bool型参数，如果为True，则将输入和输出张量的4个角落像素的中心对齐，并保留角点像素的值。 默认值为True
    • align_mode （int）- 双线性插值的可选项。 可以是'0'代表src_idx = scale （dst_indx + 0.5）-0.5；如果为'1' ，代表src_idx = scale dst_index。
    • data_format （str，可选）- 数据格式，支持 NCHW(num_batches, channels, height, width) 或者 NHWC(num_batches, height, width, channels)，默认值：'NCHW'。

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

  1. import paddle.fluid as fluid
  2. input = fluid.layers.data(name="input", shape=[3,6,9], dtype="float32")
  3. # input.shape = [-1, 3, 6, 9], where -1 indicates batch size, and it will get the exact value in runtime.
  4.  
  5. out0 = fluid.layers.resize_bilinear(input, out_shape=[12, 12])
  6. # out0.shape = [-1, 3, 12, 12], it means out0.shape[0] = input.shape[0] in runtime.
  7.  
  8. # out_shape is a list in which each element is a integer or a tensor Variable
  9. dim1 = fluid.layers.data(name="dim1", shape=[1], dtype="int32", append_batch_size=False)
  10. out1 = fluid.layers.resize_bilinear(input, out_shape=[12, dim1])
  11. # out1.shape = [-1, 3, 12, -1]
  12.  
  13. # out_shape is a 1-D tensor Variable
  14. shape_tensor = fluid.layers.data(name="shape_tensor", shape=[2], dtype="int32", append_batch_size=False)
  15. out2 = fluid.layers.resize_bilinear(input, out_shape=shape_tensor)
  16. # out2.shape = [-1, 3, -1, -1]
  17.  
  18. # when use actual_shape
  19. actual_shape_tensor = fluid.layers.data(name="actual_shape_tensor", shape=[2], dtype="int32", append_batch_size=False)
  20. out3 = fluid.layers.resize_bilinear(input, out_shape=[4, 4], actual_shape=actual_shape_tensor)
  21. # out3.shape = [-1, 3, 4, 4]
  22.  
  23. # scale is a Variable
  24. scale_tensor = fluid.layers.data(name="scale", shape=[1], dtype="float32", append_batch_size=False)
  25. out4 = fluid.layers.resize_bilinear(input, scale=scale_tensor)
  26. # out4.shape = [-1, 3, -1, -1]