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.UpsampleTrilinear3D

class mindspore.ops.UpsampleTrilinear3D(align_corners=False)

输入为五维度Tensor，跨其中三维执行三线性插值上调采样。

此运算符使用指定的 output_size 或 scales 缩放因子放大输入体积，过程使用三线性上调算法。

说明

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

参数：

• align_corners (bool，可选) - 如果为 True ，则输入和输出Tensor由其角像素的中心点对齐，保留角像素处的值。如果为 False ，则输入和输出Tensor由其角像素的角点对齐，插值对边界外值使用边值填充。默认值： False。

输入：

• x (Tensor) - Shape为 $(N,C,D_{in},H_{in},W_{in})$ 的五维Tensor。支持的数据类型：[float16, float32, float64]。

• output_size (Union[tuple[int], list[int]]) - 包含3个int的元组或列表。元素分别为 $(output\mathrm{\_}depth,output\mathrm{\_}height,output\mathrm{\_}width)$ 。默认值： None。

• scales (Union[tuple[float], list[float]]) - 包含3个float的元组或列表。元素分别为 $(scale\mathrm{\_}depth,scale\mathrm{\_}height,scale\mathrm{\_}width)$ 。 默认值： None。

输出：

• y (Tensor) - 上采样输出。其shape为 $(N,C,D_{out},H_{out},W_{out})$ ，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float16、float32或float64。

• TypeError - align_corners 的数据类型不是bool。

• 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
>>> net = ops.UpsampleTrilinear3D()
>>> in_x = Tensor(input_data=np.random.randn(2, 3, 4, 512, 256))
>>> output_size=[4, 64, 48]
>>> out = net(in_x, output_size, None)
>>> print(out.shape)
(2, 3, 4, 64, 48)
>>>
>>> net = ops.UpsampleTrilinear3D()
>>> in_x = Tensor(np.arange(1, 5, dtype=np.float32).reshape((1, 1, 1, 2, 2)))
>>> output_size=[2, 4, 4]
>>> out = net(in_x, output_size, None)
>>> print(out)
[[[[[1.   1.25 1.75 2.  ]
    [1.5  1.75 2.25 2.5 ]
    [2.5  2.75 3.25 3.5 ]
    [3.   3.25 3.75 4.  ]]
   [[1.   1.25 1.75 2.  ]
    [1.5  1.75 2.25 2.5 ]
    [2.5  2.75 3.25 3.5 ]
    [3.   3.25 3.75 4.  ]]]]]