ResizeBilinear与torch.nn.Upsample输出差异情况下，如何实现对torch.nn.Upsample的ms算子转化

最新推荐文章于 2023-12-06 19:00:17 发布
最新推荐文章于 2023-12-06 19:00:17 发布
阅读量569 收藏
点赞数
分类专栏： 深度学习 文章标签： 深度学习 人工智能 pytorch
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/xi_xiyu/article/details/127773805
版权 
现业务需要基于ms实现对torch版本的复现，并将torch训练的模型权重导入ms，发现upsample算子在输入一致的情况下输出不同，请问ms中如何实现torch版本的upsample操作？

****************************************************解答*****************************************************

你可以设置ResizeBilinear的参数，nn.ResizeBilinear(half_pixel_centers=True)，结果应该就一致了。

可以暂时把报错（raise ValueError(f"Currently `half_pixel_centers`=True only support in Ascend device_target, "）对应的校验device_target代码删掉就可以了，在nn_ops.py文件里的 ResizeBilinear类的__init__方法里

xiao | yang
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
Pytorch——初探onnx（1）解决upsample_bilinear2d转换问题
weixin_45709671的博客
07-07 4149
问题 将pytorch的pth文件读取后转换为ONNX格式，尝试使用下述代码将model导出为onnx格式 onnx.export(model, input_image, 'model.onnx') 出现了如下错误 RuntimeError: ONNX export failed: Couldn‘t export operator aten::upsample_bilinear2d 环境 目前测试发现pytorch1.6及以下均存在此问题 复现 下述代码中使用的mode为bilinear，align_co
Matlab实现nearest+bilinear+bicubic插值resize图片
04-01
Matlab实现nearest+bilinear+bicubic插值resize图片 代码仅供参考、交流
tf.image.resize_bilinear 图像缩放，双线性插值-图像中心对齐
weixin_30790841的博客
08-21 931
http://www.cnblogs.com/yssongest/p/5303151.html 双线性插值算法及需要注意事项 input = tf.placeholder(tf.float32, shape=(1,2, 2,1)) image = np.ndarray(shape=(1,2,2,1),dtype='float32') image[0,0,1,0] = 1 ...
TensorFlow函数：tf.image.resize_bilinear
weixin_42675603的博客
11-26 2589
TensorFlow函数：tf.image.resize_bilinear tf.image.resize_bilinear函数 tf.image.resize_bilinear( images, size, align_corners=False, name=None ) 使用双线性插值调整images为size. 输入图像可以是不同的类型,但输出图像总是浮点型...
tf.image.resize_bilinear
既然选择了远方 便只顾风雨兼程 - 永强
08-12 5583
tf.image.resize_bilinear https://github.com/tensorflow/docs/tree/r1.4/site/en/api_docs/api_docs/python/tf/image site/en/api_docs/api_docs/python/tf/image/resize_bilinear.md resize_bilinear( images, size, align_corners=False, name=None ) bi
预处理优化——cuda bilinear resize
Gotta-C的博客
01-18 4818
https://github.com/Keylost/BilinearImageResize YOLOv3中处理一张1080P的图片，resize到输入416*416尺寸，调用内部接口做cpu resize，可能80%~90%的时间耗在图像解码、resize上，对比推理时间耗时严重。尝试用cuda做外部resize。 修改下工程用于Ubuntu16.04,1080ti显卡，提供个包其中需要cm...
使用python语言和pytorch框架实现FCN.zip
10-25
在PyTorch中，可以使用`nn.Conv2d`和`nn.Upsample`模块来实现这些层。 4. **定义损失函数**：对于像素级别的分类问题，通常使用交叉熵损失函数。PyTorch中的`nn.CrossEntropyLoss`可以实现这一点，但需要注意，由于...
Unet知识总结.docx
07-30
encoder 负责将输入图像下采样到较低维度，decoder 负责将低维度特征图 upsample 到原始维度。skip-connection 是 Unet 模型的关键部分，它将 encoder 和 decoder 之间的特征图连接起来，以便更好地融合特征。 三、...
Python Unet网络结构pytorch简单实现+torchsummary可视化（可以直接运行）
12-21
标题中的“Python Unet网络结构pytorch简单实现+torchsummary可视化（可以直接运行）”表明了本文将介绍如何在Python环境中，使用PyTorch框架来实现Unet网络，并结合torchsummary库进行模型可视化，且提供的代码可以...
pytorch中的上采样以及各种反操作,求逆操作详解
01-20
import torch.nn.functional as F import torch.nn as nn F.upsample(input, size=None, scale_factor=None,mode=’nearest’, align_corners=None) rUpsamples the input to either the given :attr:`size` or ...
pytorch之Resize()函数具体使用详解
09-17
主要介绍了pytorch之Resize()函数具体使用详解，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧
pytorch模型预测结果与ndarray互转方式
12-23
预测结果转为numpy： logits=model(feature) #如果模型是跑在GPU上 result=logits.data.cpu().numpy...以上这篇pytorch模型预测结果与ndarray互转方式就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大
【mindspore框架】【nn.ResizeBilinear()】能否在构建网络时指定size或者scale_factor？
weixin_45666880的博客
06-15 400
问题描述：【功能模块】class ResizeBilinear(Cell):def __init__(self,): """Initialize ResizeBilinear.""" super(ResizeBilinear, self).__init__()def construct(self, x, size=None, scale_factor=None, align_corners=False): shape = bilinear(x.shape, size, scale_fact
tf.image.resize_bilinear tensorflow 转pytorch
sunnyblogs的博客
01-29 970
tf.image.resize_bilinear( images, size, align_corners=False, name=None ) images：Tensor,4维的并且具有形状[batch, height, width, channels]. size：2个元素(new_height, new_width)的1维int32张量,用来表示图像的新大小. align_corners：可选的bool,默认为False；如果为True,则输入和输出张量的4个角像素
pytorch中的双线性插值上采样(Bilinear Upsampling)、F.upsample_bilinear
m0_46378271的博客
05-31 1万+
在Fully Convolutional Networks for Semantic Segmentation这篇文章中，介绍到Bilinear Upsampling这种上采样的方式，虽然文章最后用的是deconvolution，给出的理由就是不希望upsampling filter是固定的= =！ 因为以前用的upsampling的方式是很简单的，比如放大两倍，就是把一个像素点复制一下变成四个。这样的做法会导致图像变得模糊。在介绍双线性插值前，先介绍一下线性插值。 其实说白了就很简单，就是两点确定一条线
Pytorch中的resize和reshape
最新发布
qq_44722189的博客
12-06 2887
如果可能，返回的张量将是输入的视图，也就是说原本的tensor并没有被改变，如果想要改变那么就将改变的tensor赋值给原本的就行，即：tensor_temp = torch.reshape(tensor_temp, xxx)）。个人理解是给数组一个新的形状，数据和元素数量及顺序不变，按照形状截断、重新拼起来成为一个张量，可以使用reshape用来增加数组的维度。要注意的一点是PILImage对象size属性返回的是w, h，而resize的参数顺序是h, w。读取的图片，这两种方法得到的是。
Pytorch复习笔记--torch.nn.functional.interpolate()和cv2.resize()的使用与比较
牵一只蜗牛去散步
02-14 2776
Pytorch 提供了一个类似于 cv2.resize() 的采样函数，即 torch.nn.functional.interpolate()，支持最近邻插值（nearest）和双线性插值（bilinear）等功能，通过设置合理的插值方式可以取得与 cv2.resize() 函数完全一样的效果。上面两个测试代码的结果表明，在采取相同插值方式的前提下，torch.nn.functional.interpolate() 和 cv2.resize() 两个方法的功能是完全等价的，处理后的数据相同；
tf.image.resize_bilinear的局限性
zjs975584714的博客
11-25 1786
1.背景 我们在model各层之间转换时，难免要对tensor的shape做改变。我在这里记录一下几个改变大小的函数。 2.方法 （1）Reshape 我这里指的是keras.layers.Reshape层，当然也有reshape方法，一个道理。 x = Reshape((H*W, classes)) (x) 比如这样的，我想要将一个（H，W，classes）变成上述的（H*W,...
图像上采样--双线性插值
热门推荐
qinghuaci666的博客
06-27 1万+
先看几个概念： 1、图像上采样 上采样upsampling的主要目的是放大图像，几乎都是采用内插值法，即在原有图像像素的基础上，在像素点值之间采用合适的插值算法插入新的元素。2、线性插值法(linear interpolation) 　　这里讲解线性插值法的推导为了给双线性插值公式做铺垫。 　　线性插值法是指使用连接两个已知量的直线来确定在这个两个已知量之间的一个未知量的值的方法。 　　假设已知两...
torch.nn.functional.upsample
09-03
总而言之，torch.nn.functional.upsample是一个灵活的函数，可以根据指定的模式和参数对输入张量进行上采样操作，以实现图像或数据的尺寸调整和分辨率提升。 ### 回答3： torch.nn.functional.upsample是PyTorch库...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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