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。

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。

提交

文档反馈

mindspore.ops.ResizeNearestNeighborV2

class mindspore.ops.ResizeNearestNeighborV2(align_corners=False, half_pixel_centers=False, data_format='NHWC')

使用最近邻算法将输入Tensor调整为特定大小。

最近邻算法选择最近点的值，不考虑其他相邻点的值，产生分段常数插值。

参数：

• align_corners (bool，可选) - 如果为True，则输入输出图像四个角像素的中心被对齐，同时保留角像素处的值。默认值：False。

• half_pixel_centers (bool，可选) - 是否使用半像素中心对齐。如果设置为True，那么 align_corners 应该设置为False。默认值：False。

• data_format (str，可选) - 输入 x 的数据格式。默认值：”NHWC”。

输入：

• x (Tensor) - 四维的Tensor，其shape为 $(batch,height,width,channels)$ 或者 $(batch,channels,height,width)$，取决于 data_format 。支持的数据类型列表：[int8, uint8, int16, uint16, int32, int64, float16, float32, float64]。

• size (Tensor) - 输出图片的尺寸。一维的Tensor，含有两个元素 [new_height, new_width]。

输出：

• y (Tensor) - 调整大小后的图像。是一个shape为 $(batch,new\mathrm{\_}height,new\mathrm{\_}width,channels)$ 或者 $(batch,channels,new\mathrm{\_}height,new\mathrm{\_}width)$ 的四维Tensor，具体是哪一个shape取决于 data_format 。数据类型与输入 x 相同。

异常：

• TypeError - x 或者 size 不是Tensor。

• TypeError - x 不在支持的数据类型列表里。

• TypeError - size 的数据类型不是int32。

• TypeError - align_corners 和 half_pixel_centers 不是 bool。

• TypeError - data_format 为不是string类型。

• ValueError - data_format 不是“NHWC”或者“NCHW”。

• ValueError - size 的值含有非正数。

• ValueError - x 的维度不等于4。

• ValueError - size 的维度不等于1。

• ValueError - size 的元素个数不是2。

• ValueError - 属性 half_pixel_centers 和 align_corners 同时设为True。

支持平台：

CPU

样例：

>>> input_tensor = Tensor(np.ones((1, 4, 4, 1)), mstype.float32)
>>> size = Tensor([2, 2], mstype.int32)
>>> resize = ops.ResizeNearestNeighborV2()
>>> output = resize(input_tensor, size)
>>> print(output)
[[[[1.]
   [1.]]
  [[1.]
   [1.]]]]
>>> print(output.shape)
(1, 2, 2, 1)