上采样¶
上采样 - 10¶
版本¶
名称: 上采样 (GitHub)
域:
main自版本:
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是：output_dimension = floor(input_dimension * scale)。
属性¶
mode - 字符串（默认值为
'nearest'）两种插值模式：最近邻（默认）和线性（包括双线性、三线性等）
输入¶
X（异构） - T
N维张量
scales（异构） - tensor(float)
每个维度上的比例数组。它取值大于或等于1。“scales”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 in (
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))将输入“X”和输出“Y”约束为所有张量类型。
上采样 - 9¶
版本¶
名称: 上采样 (GitHub)
域:
main自版本:
9函数:
False支持级别:
SupportType.COMMON形状推断:
True
此版本的算子自版本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是：output_dimension = floor(input_dimension * scale)。
属性¶
mode - 字符串（默认值为
'nearest'）两种插值模式：最近邻（默认）和线性（包括双线性、三线性等）
输入¶
X（异构） - T
N维张量
scales（异构） - tensor(float)
每个维度上的比例数组。它取值大于或等于1。“scales”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 in (
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))将输入“X”和输出“Y”约束为所有张量类型。
上采样 - 7¶
版本¶
名称: 上采样 (GitHub)
域:
main自版本:
7函数:
False支持级别:
SupportType.COMMON形状推断:
True
此版本的算子自版本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是：output_dimension = floor(input_dimension * scale)。
属性¶
mode - 字符串（默认值为
'nearest'）两种插值模式：最近邻（默认）和线性（包括双线性、三线性等）
scales - 浮点数（必需）
每个维度上的比例数组。它取值大于或等于1。“scales”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 in (
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))将输入和输出类型约束为所有张量类型。
上采样 - 1¶
版本¶
名称: 上采样 (GitHub)
域:
main自版本:
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为：output_width = floor(input_width * width_scale), output_height = floor(input_height * height_scale)。示例：给定data张量、width_scale、height_scale、mode，以上采样模式对输入4D张量进行上采样：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 - 浮点数（必需）
沿高度维度的比例。它取值大于或等于1。
mode - 字符串（默认值为
'nearest'）两种插值模式：最近邻（默认）和双线性
width_scale - 浮点数（必需）
沿宽度维度的比例。它取值大于或等于1。
输入¶
X（异构） - T
4D张量，[N,C,H,W]
输出¶
Y（异构） - T
调整大小后的4D张量，[N,C,H,W]
类型约束¶
T in (
tensor(bool),tensor(double),tensor(float),tensor(float16),tensor(int32),tensor(int64))将输出类型约束为bool、int32、int64、float16、float、double张量。