1.torch.linspace
torch.linspace(start, end, steps=100, out=None) → Tensor
返回一个1维张量,包含在区间start和end上均匀间隔的step个点。
输出张量的长度由steps决定。
参数:
start (float) - 区间的起始点
end (float) - 区间的终点
steps (int) - 在start和end间生成的样本数
out (Tensor, optional) - 结果张量
https://zhuanlan.zhihu.com/p/114663117
2.index_select( )
https://blog.csdn.net/g_blink/article/details/102854188
3. .numpy( ) .item( ) .cpu( )
https://blog.csdn.net/u012177700/article/details/106984537/
4.torch.nn.Upsample实现上采样
CLASS torch.nn.Upsample(size=None, scale_factor=None, mode='nearest', align_corners=None)
参数:
size (int or Tuple[int] or Tuple[int, int] or Tuple[int, int, int], optional) – 根据不同的输入类型制定的输出大小
scale_factor (float or Tuple[float] or Tuple[float, float] or Tuple[float, float, float], optional) – 指定输出为输入的多少倍数。如果输入为tuple,其也要制定为tuple类型
mode (str, optional) – 可使用的上采样算法,有’nearest’, ‘linear’, ‘bilinear’, ‘bicubic’ and ‘trilinear’. 默认使用’nearest’
align_corners (bool, optional) – 如果为True,输入的角像素将与输出张量对齐,因此将保存下来这些像素的值。仅当使用的算法为’linear’, 'bilinear’or 'trilinear’时可以使用。默认设置为False