mindspore.ops.ResizeBilinear

class mindspore.ops.ResizeBilinear(size, align_corners=False, half_pixel_centers=False)

使用双线性插值调整图像大小到指定的大小。

调整输入图像的高和宽。且可以输入不同数据类型的图像，但输出的数据类型只能是float32。

使用通用resize功能请参考 mindspore.ops.interpolate()。

警告

这个接口不支持动态shape，而且将来可能面临更改或删除，用 mindspore.ops.interpolate() 可替代该接口。

参数：

• size (Union[tuple[int], list[int]]) - 指定图像的新尺寸，输入格式为：2个int元素 \((new\_height, new\_width)\) 的tuple或者list。

• align_corners (bool) - 如果为True，则通过 \((new\_height - 1) / (height - 1)\) 调整输入，这将精确对齐图像的4个角和调整图像大小。如果为False，则按 \(new\_height / height\) 调整输入。默认值：False。

• half_pixel_centers (bool) - 是否几何中心对齐。如果设置为True, 那么 scale_factor 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float32或float16。

输出：

Tensor，调整大小后的图像。shape为 \((batch, channels, new\_height, new\_width)\) 的四维Tensor，数据类型与输入 x 相同。

异常：

• TypeError - size 既不是tuple，也不是list。

• 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。

• TypeError - x 不是Tensor。

• ValueError - x 的shape长度不等于4。

支持平台：

Ascend CPU GPU

样例：

>>> x = Tensor([[[[1, 2, 3, 4, 5], [1, 2, 3, 4, 5]]]], mindspore.float32)
>>> resize_bilinear = ops.ResizeBilinear((5, 5))
>>> output = resize_bilinear(x)
>>> 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.]]]]