【PyTorch 】interpolate()==＞上下采样函数

Pengsen Ma

已于 2024-04-18 19:06:27 修改

阅读量1.8w

点赞数

分类专栏： Pytorch相关文章标签： pytorch 人工智能 python

于 2021-06-14 11:08:03 首次发布

本文链接：https://blog.csdn.net/weixin_43135178/article/details/117899040

版权

Pytorch相关专栏收录该内容

62 篇文章

订阅专栏

本文详细介绍了PyTorch 3.0中用于图像处理的interpolate函数，包括其功能、可用的插值算法（如最近邻、线性、双线性等）、如何通过大小或缩放因子进行上/下采样，以及如何使用示例。适合理解图像处理和深度学习中的数据增强操作。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

def interpolate(input, size=None, scale_factor=None, mode='nearest', align_corners=None, recompute_scale_factor=None):

The modes available for resizing are: `nearest`, `linear` (3D-only), `bilinear`, `bicubic` (4D-only), `trilinear` (5D-only), `area`

用来上采样或下采样，可以给定size或者scale_factor来进行上下采样。同时支持3D、4D、5D的张量输入。

插值算法可选，最近邻、线性、双线性等等。

def interpolate(input, size=None, scale_factor=None, mode='nearest', align_corners=None):
    r"""
    根据给定 size 或 scale_factor，上采样或下采样输入数据input.
    
    当前支持 temporal, spatial 和 volumetric 输入数据的上采样，其shape 分别为：3-D, 4-D 和 5-D.
    输入数据的形式为：mini-batch x channels x [optional depth] x [optional height] x width.

    上采样算法有：nearest, linear(3D-only), bilinear(4D-only), trilinear(5D-only).
    
    参数:
    - input (Tensor): input tensor
    - size (int or Tuple[int] or Tuple[int, int] or Tuple[int, int, int]):输出的 spatial 尺寸.
    - scale_factor (float or Tuple[float]): spatial 尺寸的缩放因子.
    - mode (string): 上采样算法:nearest, linear, bicubic， bilinear, trilinear, area. 默认为 nearest.
    - align_corners (bool, optional): 如果 align_corners=True，则对齐 input 和 output 的角点像素(corner pixels)，保持在角点像素的值. 只会对 mode=linear, bilinear 和 trilinear 有作用. 默认是 False.
    """

举个例子：

    x = Variable(torch.randn([1, 3, 64, 64]))
    y0 = F.interpolate(x, scale_factor=0.5)
    y1 = F.interpolate(x, size=[32, 32])

    y2 = F.interpolate(x, size=[128, 128], mode="bilinear")

    print(y0.shape)
    print(y1.shape)
    print(y2.shape)

这里注意上采样的时候mode默认是“nearest”，这里指定双线性插值“bilinear”

得到结果：

torch.Size([1, 3, 32, 32])
torch.Size([1, 3, 32, 32])
torch.Size([1, 3, 128, 128])

PyTorch 30.上下采样函数--interpolate - 知乎