mindspore.nn.ResizeBilinear
- class mindspore.nn.ResizeBilinear(half_pixel_centers=False)[源代码]
使用双线性插值调整输入Tensor为指定的大小。
- 参数:
half_pixel_centers (bool) - 是否几何中心对齐。如果设置为True, 那么 align_corners 应该设置为False。默认值:False。
- 输入:
x (Tensor) - ResizeBilinear的输入,四维的Tensor,其shape为 \((batch, channels, height, width)\) ,数据类型为float16或float32。
size (Union[tuple[int], list[int], None]) - 指定新Tensor的shape大小,其shape为 \((new\_height, new\_width)\) 的tuple或者list。只有size或scale_factor能设置为None。默认值:None。
scale_factor (int, None) - 新Tensor大小的缩放因子,其值为正整数。 size 或 scale_factor 有且只有一个能设置为None。默认值:None。
align_corners (bool) - 如果为True,将使用 \((new\_height - 1) / (height - 1)\) 来调整输入,这将精确对齐图像的4个角以及调整图像尺寸。如果为False,将使用 \(new\_height / height\) 来调整。默认值:False。
- 输出:
调整后的Tensor。
如果设置了size,则结果为 \((batch, channels, new\_height, new\_width)\) 的四维Tensor,其数据类型与 x 相同。如果设置了scale,则结果为 \((batch, channels, scale\_factor * height, scale\_factor * width)\) 的四维Tensor,其数据类型与 x 相同。
- 异常:
TypeError - size 不是tuple、list或None。
TypeError - scale_factor 既不是int也不是None。
TypeError - align_corners 不是bool。
TypeError - half_pixel_centers 不是bool。
TypeError - align_corners 和 half_pixel_centers 都为True。
TypeError - half_pixel_centers 为True,且device_target不为Ascend。
TypeError - x 的数据类型既不是float16也不是float32。
ValueError - size 和 scale_factor 都为None或都不为None。
ValueError - x 的shape长度不等于4。
ValueError - scale_factor 是小于0的int。
ValueError - size 是长度不等于2的list或tuple。
- 支持平台:
Ascend
CPU
GPU
样例:
>>> x = Tensor([[[[1, 2, 3, 4], [5, 6, 7, 8]]]], mindspore.float32) >>> resize_bilinear = nn.ResizeBilinear() >>> result = resize_bilinear(x, size=(5,5)) >>> print(x) [[[[1. 2. 3. 4.] [5. 6. 7. 8.]]]] >>> print(result) [[[[1. 1.8 2.6 3.4 4. ] [2.6 3.4 4.2000003 5. 5.6000004] [4.2 5.0000005 5.8 6.6 7.2 ] [5. 5.8 6.6 7.4 8. ] [5. 5.8 6.6 7.4000006 8. ]]]] >>> print(result.shape) (1, 1, 5, 5)