【pytorch基础】torch.nn 实现上采样——nn.Upsample
pytorch torch.nn 实现上采样——nn.Upsample - 慢行厚积 - 博客园仅仅作为自己的笔记，有需要的话直接看原文吧。CLASS torch.nn.Upsample(size=None, scale_factor=None, mode='nearest', align_corners=None)参数：size(intorTuple[int] orTuple[int,int]
pytorch torch.nn 实现上采样——nn.Upsample - 慢行厚积 - 博客园
仅仅作为自己的笔记，有需要的话直接看原文吧。
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
魔乐社区（Modelers.cn) 是一个中立、公益的人工智能社区，提供人工智能工具、模型、数据的托管、展示与应用协同服务，为人工智能开发及爱好者搭建开放的学习交流平台。社区通过理事会方式运作，由全产业链共同建设、共同运营、共同享有，推动国产AI生态繁荣发展。
更多推荐
2
0- 0
已为社区贡献24条内容
所有评论(0)