UpsamplingNearest2D

UpsamplingNearest2D

paddle.nn.UpsamplingNearest2D(size=None,scale_factor=None, data_format=’NCHW’,name=None):

该OP用于调整一个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张量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张量，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[1]的变量。如果 size 是变量，则其维度大小为1。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|None, 可选) - 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。

返回：4-D Tensor，形状为 (num_batches, channels, out_h, out_w) 或 (num_batches, out_h, out_w, channels)。

抛出异常：

TypeError - out_shape应该是一个列表、元组或变量。
ValueError - out_shape 和 scale 不可同时为 None。
ValueError - out_shape 的长度必须为2如果输入是4D张量。
ValueError - scale应大于0。
ValueError - data_format 只能取 ‘NCHW’、‘NHWC’

代码示例

import paddle
import paddle.nn as nn
input_data = paddle.rand(shape=(2,3,6,10))
upsample_out  = paddle.nn.UpsamplingNearest2D(size=[12,12])
output = upsample_out(input_data)
print(output.shape)
# [2L, 3L, 12L, 12L]