mindspore.ops.interpolate
- mindspore.ops.interpolate(x, roi=None, scales=None, sizes=None, coordinate_transformation_mode='align_corners', mode='linear')[源代码]
使用 mode 设置的插值方式调整输入 x 大小。
Warning
实验特性,接口可能发生变化。
roi 是保留输入, crop_and_resize 坐标变换模式下生效,当前不支持。
Ascend平台下,当前不支持将 mode 设置为”linear”。
CPU平台下,当 mode 是”bilinear”时,当前不支持将 coordinate_transformation_mode 设置为”half_pixel”。
参数:
x (Tensor) - 输入Tensor。当 mode 是”linear”时, x 为3维Tensor。当 mode 是”bilinear”时, x 为4维Tensor。
roi (tuple[float], 可选) - 在 crop_and_resize 坐标变换模式下生效,当前不支持。
scales (tuple[float], 可选) - 输入shape每个维度resize的系数。 scales 中的数全是正数。 scales 的长度跟 x 的shape长度相同。 scales 和 sizes 同时只能指定一个。
sizes (tuple[int], 可选) - 输入shape指定轴的新维度。 sizes 中的数全是正数。 scales 和 sizes 同时只能指定一个。当 mode 是”linear”时, sizes 为1个int元素 \((new\_width,)\) 的tuple。当 mode 是”bilinear”时, sizes 为2个int元素 \((new\_height, new\_width)\) 的tuple。
coordinate_transformation_mode (str) - 指定进行坐标变换的方式,默认值是”align_corners”, 还可选”half_pixel”和”asymmetric”。 假如我们需要将输入Tensor的x轴进行resize。我们记 new_i 为resize之后的Tenosr沿x轴的第i个坐标; 记 old_i 为输入Tensor沿x轴的对应坐标; 记 new_length 是resize之后的Tensor沿着x轴的长度, 记 old_length 是输入Tensor沿x轴的长度。我们可以通过下面的公式计算出来 old_i :
old_i = new_length != 1 ? new_i * (old_length - 1) / (new_length - 1) : 0 # if set to 'align_corners' old_i = new_length > 1 ? (new_x + 0.5) * old_length / new_length - 0.5 : 0 # if set to 'half_pixel' old_i = new_length != 0 ? new_i * old_length / new_length : 0 # if set to 'asymmetric'
mode (str) - 所使用的插值方式。 目前支持”linear”和”bilinear”插值方式。默认值: “linear”。
返回:
Tensor,数据类型与 x 相同。
异常:
TypeError - x 不是Tensor。
TypeError - x 的数据类型不支持。
TypeError - scales 不是float类型的tuple。
ValueError - scales 中的数不全是正数。
TypeError - sizes 不是int64类型的tuple。
ValueError - sizes 中的数不全是正数。
TypeError - coordinate_transformation_mode 不是string。
ValueError - coordinate_transformation_mode 不在支持的列表中。
TypeError - mode 不是string类型。
ValueError - mode 不在支持的列表中。
- 支持平台:
Ascend
CPU
GPU
样例:
>>> # case 1: linear mode >>> x = Tensor([[[1, 2, 3], [4, 5, 6]]], mindspore.float32) >>> output = ops.interpolate(x, None, None, (6,), "align_corners") >>> print(output) [[[1. 1.4 1.8 2.2 2.6 3.] [4. 4.4 4.8 5.2 5.6 6.]]] >>> # case 2: bilinear mode >>> x = Tensor([[[[1, 2, 3, 4, 5], [1, 2, 3, 4, 5]]]], mindspore.float32) >>> output = ops.interpolate(x, None, None, (5, 5), "asymmetric", "bilinear") >>> print(output) [[[[1. 2. 3. 4. 5.] [1. 2. 3. 4. 5.] [1. 2. 3. 4. 5.] [1. 2. 3. 4. 5.] [1. 2. 3. 4. 5.]]]]