Python torch.nn.PixelShuffle用法及代码示例

用法: class torch.nn.PixelShuffle(upscale_factor)

参数：

upscale_factor(int) -增加空间分辨率的因子

将形状为 (*, C \times r^2, H, W) 的张量中的元素重新排列为形状为 (*, C, H \times r, W \times r) 的张量，其中 r 是一个放大因子。

这对于以 1/r 的步幅实现高效的 sub-pixel 卷积很有用。

见论文：使用高效 Sub-Pixel 卷积神经网络的实时单图像和视频超分辨率通过石等。 al (2016) 了解更多详情。

形状：

输入：(*, C_{in}, H_{in}, W_{in})，其中 * 是零个或多个批次维度
输出：(*, C_{out}, H_{out}, W_{out})，其中

C_{out} = C_{in} \div \text{upscale\_factor}^2

H_{out} = H_{in} \times \text{upscale\_factor}

W_{out} = W_{in} \times \text{upscale\_factor}

例子：

>>> pixel_shuffle = nn.PixelShuffle(3)
>>> input = torch.randn(1, 9, 4, 4)
>>> output = pixel_shuffle(input)
>>> print(output.size())
torch.Size([1, 1, 12, 12])

相关用法

注：本文由纯净天空筛选整理自pytorch.org大神的英文原创作品 torch.nn.PixelShuffle。非经特殊声明，原始代码版权归原作者所有，本译文未经允许或授权，请勿转载或复制。