PyTorch中的PixelShuffle()

PyTorch中的PixelShuffle()

在这里插入图片描述
卷积操作会使得图像的尺寸变小
但是当我们的stride = 1/r<1时,可以让卷积后的图像的尺寸变大。
参考文章
该类定义如下:

class torch.nn.PixleShuffle(upscale_factor)  #upscale_factor指放大的倍数

输入输出的shape

这里是引用

N代表batch size

参考代码:

ps = nn.PixelShuffle(3)# 缩放到三倍,r == 3
input = torch.tensor(1, 9, 4, 4)## r^2 C == 9C == 9,所以C == 1
output = ps(input)
print(output.size())
# 输出为:
# torch.Size([1, 1, 12, 12])

  • 1
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
PixelShufflePytorch的一个函数,用于将输入的张量进行像素重排。它的实现方式是通过将输入的通道进行重新排列,形成更高分辨率的输出张量。具体来说,PixelShuffle函数接受一个参数r,表示每个输出像素包含的输入通道数量。例如,如果r=2,那么每个输出像素将由4个输入通道组成。 在Pytorch,可以使用torch.nn.PixelShuffle(upscale_factor)来调用PixelShuffle函数来实现像素重排。其,upscale_factor表示放大倍数,即每个输出像素包含的输入通道数量。 以输出张量的(0, 0)位置的像素为例,它对应了r^2个通道。这些通道会被排列成一个r x r的大像素。例如,如果r = 3,那么输出张量的一个像素将包含9个通道。这个像素对应于右边SR图像一个3x3的大像素。值得注意的是,颜色的对应关系需要仔细观察,以确保正确的像素匹配。<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* *3* [PixelShuffle原理笔记(paper,pytorch实现)](https://blog.csdn.net/level_code/article/details/123637969)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"] - *2* [低分辨率feature maps的上采样方法:pixelshuffle](https://blog.csdn.net/qq_38883271/article/details/116260821)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"] [ .reference_list ]

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值