文档反馈

问题文档片段

问题文档片段包含公式时，显示为空格。

提交类型

issue

有点复杂...

找人问问吧。

PR

小问题，全程线上修改...

一键搞定！

请选择提交类型

问题类型

规范和低错类

- 规范和低错类：

- 错别字或拼写错误，标点符号使用错误、公式错误或显示异常。

- 链接错误、空单元格、格式错误。

- 英文中包含中文字符。

- 界面和描述不一致，但不影响操作。

- 表述不通顺，但不影响理解。

- 版本号不匹配：如软件包名称、界面版本号。

易用性

- 易用性：

- 关键步骤错误或缺失，无法指导用户完成任务。

- 缺少主要功能描述、关键词解释、必要前提条件、注意事项等。

- 描述内容存在歧义指代不明、上下文矛盾。

- 逻辑不清晰，该分类、分项、分步骤的没有给出。

正确性

- 正确性：

- 技术原理、功能、支持平台、参数类型、异常报错等描述和软件实现不一致。

- 原理图、架构图等存在错误。

- 命令、命令参数等错误。

- 代码片段错误。

- 命令无法完成对应功能。

- 界面错误，无法指导操作。

- 代码样例运行报错、运行结果不符。

风险提示

- 风险提示：

- 对重要数据或系统存在风险的操作，缺少安全提示。

内容合规

- 内容合规：

- 违反法律法规，涉及政治、领土主权等敏感词。

- 内容侵权。

请选择问题类型

问题描述

点击输入详细问题描述，以帮助我们快速定位问题。

文档反馈

mindspore.ops.UpsampleNearest3D

class mindspore.ops.UpsampleNearest3D[源代码]

执行最近邻上采样操作。

此运算符使用指定的 output_size 或 scales 缩放因子放大输入体积，过程使用最近邻算法。

必须指定 output_size 或 scales 中的一个值，并且不能同时指定两者。

输入：

x (Tensor) - Shape为 $(N, C, D_{i n}, H_{i n}, W_{i n})$ 的五维Tensor。支持的数据类型：[uint8, float16, float32, float64]。
output_size (Union[tuple[int], list[int]]) - 指定输出体积大小的元组或int列表。默认值： None 。
scales (Union[tuple[float], list[float]]) - 指定上采样因子的元组或float列表。默认值： None 。

输出：

y (Tensor) - 上采样输出。其shape $(N, C, D_{o u t}, H_{o u t}, W_{o u t})$ ，数据类型与 x 相同。

异常：

TypeError - 当 output_size 不是 None 并且 output_size 不是list[int]或tuple[int]。
TypeError - 当 scales 不是 None 并且 scales 不是list[float]或tuple[float]。
TypeError - x 的数据类型不是uint8、float16、float32或float64。
ValueError - output_size 不为 None 时含有负数或0。
ValueError - scales 不为 None 时含有负数或0。
ValueError - x 维度不为5。
ValueError - scales 和 output_size 同时被指定或都不被指定。
ValueError - scales 被指定时其含有的元素个数不为3。
ValueError - output_size 被指定时其含有的元素个数不为3。

支持平台：

Ascend GPU CPU

样例：

>>> import numpy as np
>>> from mindspore import Tensor, ops
>>> from mindspore import dtype as mstype
>>> x = Tensor(np.array([1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16])
...       .reshape([1, 1, 2, 2, 4]), mstype.float32)
>>> output_size = [3, 4, 5]
>>> net = ops.UpsampleNearest3D()
>>> output = net(x, output_size, None)
>>> print(output)
[[[[[ 1.  1.  2.  3.  4.]
    [ 1.  1.  2.  3.  4.]
    [ 5.  5.  6.  7.  8.]
    [ 5.  5.  6.  7.  8.]]
  [[ 1.  1.  2.  3.  4.]
    [ 1.  1.  2.  3.  4.]
    [ 5.  5.  6.  7.  8.]
    [ 5.  5.  6.  7.  8.]]
  [[ 9.  9. 10. 11. 12.]
    [ 9.  9. 10. 11. 12.]
    [13. 13. 14. 15. 16.]
    [13. 13. 14. 15. 16.]]]]]