Upsample¶
Upsample - 10¶
版本¶
域:
mainsince_version:
10函数:
False支持级别:
SupportType.COMMON形状推断:
True
此版本的操作符自版本10起已弃用。
摘要¶
对输入张量进行上采样。输出张量的每个维度值为：output_dimension = floor(input_dimension * scale)。
属性¶
模式 - 字符串 (默认为
'nearest')两种插值模式：nearest（最近邻，默认）和 linear（线性，包括双线性、三线性等）
输入¶
X (异构) - T
N维张量
尺度 (异构) - 张量(浮点)
沿每个维度的尺度数组。其取值大于或等于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 包含 (
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' 限制为所有张量类型。
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
此版本的运算符自 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为：output_dimension = floor(input_dimension * scale)。
属性¶
模式 - 字符串 (默认为
'nearest')两种插值模式：nearest（最近邻，默认）和 linear（线性，包括双线性、三线性等）
输入¶
X (异构) - T
N维张量
尺度 (异构) - 张量(浮点)
沿每个维度的尺度数组。其取值大于或等于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 包含 (
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' 限制为所有张量类型。
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
此版本的操作符自版本 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为：output_dimension = floor(input_dimension * scale)。
属性¶
模式 - 字符串 (默认为
'nearest')两种插值模式：nearest（最近邻，默认）和 linear（线性，包括双线性、三线性等）
尺度 - 浮点型 (必需)
沿每个维度的尺度数组。其取值大于或等于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 包含 (
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))将输入和输出类型限制为所有张量类型。
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
实验性操作符不维护版本。
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，以最近邻模式对输入的4维张量进行上采样：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¶
高度尺度 - 浮点型 (必需)
沿高度维度的尺度。其取值大于或等于1。
模式 - 字符串 (默认为
'nearest')两种插值模式：nearest（最近邻，默认）、bilinear（双线性）
宽度尺度 - 浮点型 (必需)
沿宽度维度的尺度。其取值大于或等于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 包含 (
tensor(bool),tensor(double),tensor(float),tensor(float16),tensor(int32),tensor(int64))将输出类型限制为布尔型、int32、int64、float16、float、双精度张量。