python - view() + UpsamplingBilinear2d()

本文主要是介绍python - view() + UpsamplingBilinear2d()，对大家解决编程问题具有一定的参考价值，需要的程序猿们随着小编来一起学习吧！

import torch
from torch import nn
# view函数的-1参数的作用在于基于另一参数，自动计算该维度的大小
# view的第一个参数：2 代表的是batch 后面的2,2应该是几行几列的意思，这两个必须一致
# arange(1,9) => 1,2,3,4,5,6,7,8
input = torch.arange(1, 9, dtype=torch.float32).view(2, -1, 2, 2)
print(input)
# scale_factor : 缩放倍数
# UpsamplingBilinear2d：专门用于2D数据的线性插值算法
m = nn.UpsamplingBilinear2d(scale_factor=3)
print(m(input))
# 结果如下所示
# tensor([[[[1., 2.],
#           [3., 4.]]],
#
#         [[[5., 6.],
#           [7., 8.]]]])
# tensor([[[[1.0000, 1.2000, 1.4000, 1.6000, 1.8000, 2.0000],
#           [1.4000, 1.6000, 1.8000, 2.0000, 2.2000, 2.4000],
#           [1.8000, 2.0000, 2.2000, 2.4000, 2.6000, 2.8000],
#           [2.2000, 2.4000, 2.6000, 2.8000, 3.0000, 3.2000],
#           [2.6000, 2.8000, 3.0000, 3.2000, 3.4000, 3.6000],
#           [3.0000, 3.2000, 3.4000, 3.6000, 3.8000, 4.0000]]],

#         [[[5.0000, 5.2000, 5.4000, 5.6000, 5.8000, 6.0000],
#           [5.4000, 5.6000, 5.8000, 6.0000, 6.2000, 6.4000],
#           [5.8000, 6.0000, 6.2000, 6.4000, 6.6000, 6.8000],
#           [6.2000, 6.4000, 6.6000, 6.8000, 7.0000, 7.2000],
#           [6.6000, 6.8000, 7.0000, 7.2000, 7.4000, 7.6000],
#           [7.0000, 7.2000, 7.4000, 7.6000, 7.8000, 8.0000]]]])

这篇关于python - view() + UpsamplingBilinear2d()的文章就介绍到这儿，希望我们推荐的文章对大家有所帮助，也希望大家多多支持为之网！