Upsample¶
Upsample - 10¶
版本¶
域:
main起始版本:
10函数:
False支持级别:
SupportType.COMMON形状推断:
True
此版本的算子已 自版本 10 起弃用。
摘要¶
对输入张量进行上采样。输出张量的每个维度值计算方式为：输出维度 = floor(输入维度 * 比例)。
属性¶
模式 - STRING (默认为
'nearest')两种插值模式：最近邻插值（默认）和线性插值（包括双线性、三线性等）
输入¶
X (异构) - T
N维张量
scales (异构) - tensor(float)
沿着每个维度的比例数组。其取值应大于等于1。'scales' 中的元素数量应与输入 'X' 的秩相同。
输出¶
Y (异构) - T
调整大小后的N维张量
类型约束¶
T 在 (
tensor(bool),tensor(complex128),tensor(complex64),tensor(double),tensor(float),tensor(float16),tensor(int16),tensor(int32),tensor(int64),tensor(int8),tensor(string),tensor(uint16),tensor(uint32),tensor(uint64),tensor(uint8))约束输入 'X' 和输出 'Y' 为所有张量类型。
Upsample - 9¶
版本¶
域:
main起始版本:
9函数:
False支持级别:
SupportType.COMMON形状推断:
True
此版本的算子已 自版本 9 起可用。
摘要¶
对输入张量进行上采样。输出张量的每个维度值计算方式为：输出维度 = floor(输入维度 * 比例)。
属性¶
模式 - STRING (默认为
'nearest')两种插值模式：最近邻插值（默认）和线性插值（包括双线性、三线性等）
输入¶
X (异构) - T
N维张量
scales (异构) - tensor(float)
沿着每个维度的比例数组。其取值应大于等于1。'scales' 中的元素数量应与输入 'X' 的秩相同。
输出¶
Y (异构) - T
调整大小后的N维张量
类型约束¶
T 在 (
tensor(bool),tensor(complex128),tensor(complex64),tensor(double),tensor(float),tensor(float16),tensor(int16),tensor(int32),tensor(int64),tensor(int8),tensor(string),tensor(uint16),tensor(uint32),tensor(uint64),tensor(uint8))约束输入 'X' 和输出 'Y' 为所有张量类型。
Upsample - 7¶
版本¶
域:
main起始版本:
7函数:
False支持级别:
SupportType.COMMON形状推断:
True
此版本的算子已 自版本 7 起可用。
摘要¶
对输入张量进行上采样。输出张量的每个维度值计算方式为：输出维度 = floor(输入维度 * 比例)。
属性¶
模式 - STRING (默认为
'nearest')两种插值模式：最近邻插值（默认）和线性插值（包括双线性、三线性等）
scales - FLOATS (必需)
沿着每个维度的比例数组。其取值应大于等于1。'scales' 中的元素数量应与输入 'X' 的秩相同。
输入¶
X (异构) - T
N维张量
输出¶
Y (异构) - T
调整大小后的N维张量
类型约束¶
T 在 (
tensor(bool),tensor(complex128),tensor(complex64),tensor(double),tensor(float),tensor(float16),tensor(int16),tensor(int32),tensor(int64),tensor(int8),tensor(string),tensor(uint16),tensor(uint32),tensor(uint64),tensor(uint8))约束输入和输出类型为所有张量类型。
Upsample - 1¶
版本¶
域:
main起始版本:
1函数:
False支持级别:
SupportType.EXPERIMENTAL形状推断:
False
实验性算子不维护版本控制。
摘要¶
对输入张量进行上采样。输出张量的宽度和高度计算方式为：输出宽度 = floor(输入宽度 * 宽度比例), 输出高度 = floor(输入高度 * 高度比例)。示例：给定 data 张量、宽度比例、高度比例和模式，对输入 4 维张量在最近邻模式下进行上采样：data = [[[ [1, 2], [3, 4] ]]] width_scale = 2 height_scale = 2 mode = “nearest” output = [[[ [1, 1, 2, 2], [1, 1, 2, 2], [3, 3, 4, 4], [3, 3, 4, 4] ]]]
属性¶
height_scale - FLOAT (必需)
沿着高度维度的比例。其取值应大于等于1。
模式 - STRING (默认为
'nearest')两种插值模式：最近邻插值（默认）、双线性插值
width_scale - FLOAT (必需)
沿着宽度维度的比例。其取值应大于等于1。
输入¶
X (异构) - T
4维张量, [N,C,H,W]
输出¶
Y (异构) - T
调整大小后的4维张量, [N,C,H,W]
类型约束¶
T 在 (
tensor(bool),tensor(double),tensor(float),tensor(float16),tensor(int32),tensor(int64))约束输出类型为 bool, int32, int64, float16, float, double 张量。