torch.nn.functional.interpolate（最近邻插值，双线性插值）

---

一、torch.nn.functional.interpolate

  torch.nn.functional.interpolate函数是PyTorch中用于对张量进行插值的功能。它支持多种参数和选项，以灵活地调整输入张量的大小或进行特征图的插值操作。

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

参数解释：

• input：输入张量，可以是四维的，比如(batch_size, channels, height, width)。
• size：输出张量的目标大小，可以是一个int或tuple。如果给定，scale_factor应为None。指定目标大小后，会将输入张量插值为指定大小。
• scale_factor：输出张量的缩放因子，可以是一个浮点数或tuple。如果给定，size应为None。指定缩放因子后，会按照指定比例缩放输入张量。
• mode：插值方式，包括’nearest’（最近邻插值）、‘bilinear’（双线性插值）、‘bicubic’（双三次插值）等。选择不同的插值模式会影响插值的效果。
• align_corners：对于双线性插值模式，指定是否要对齐角落像素。设置为True时，会对齐角落像素，有助于保持图像的几何形状。
• recompute_scale_factor：一个布尔值，指示是否需要重新计算缩放因子。默认为False。

import torch
import torch.nn.functional as F

input_tensor = torch.tensor([[[[1.0, 2.0],
                               [3.0, 4.0]]]])

# Nearest Neighbor Interpolation
output_nearest = F.interpolate(input_tensor, scale_factor=2, mode='nearest')
print("Nearest Neighbor Interpolation:")
print(output_nearest)

# Bilinear Interpolation
output_bilinear = F.interpolate(input_tensor, scale_factor=2, mode='bilinear',align_corners=True)
print("\nBilinear Interpolation:")
print(output_bilinear)

# Bicubic Interpolation
output_bicubic = F.interpolate(input_tensor, scale_factor=2, mode='bicubic')
print("\nBicubic Interpolation:")
print(output_bicubic)

Nearest Neighbor Interpolation:
tensor([[[[1., 1., 2., 2.],
          [1., 1., 2., 2.],
          [3., 3., 4., 4.],
          [3., 3., 4., 4.]]]])

Bilinear Interpolation:
tensor([[[[1.0000, 1.2500, 1.7500, 2.0000],
          [1.5000, 1.7500, 2.2500, 2.5000],
          [2.5000, 2.7500, 3.2500, 3.5000],
          [3.0000, 3.2500, 3.7500, 4.0000]]]])

Bicubic Interpolation:
tensor([[[[0.6836, 1.0156, 1.5625, 1.8945],
          [1.3477, 1.6797, 2.2266, 2.5586],
          [2.4414, 2.7734, 3.3203, 3.6523],
          [3.1055, 3.4375, 3.9844, 4.3164]]]])