BilinearInitializer

class paddle.fluid.initializer.BilinearInitializer())[源代码]

该接口为参数初始化函数，用于转置卷积函数中，对输入进行上采样。用户通过任意整型因子放大shape为(B，C，H，W)的特征图。

返回

对象

代码示例

  1. import paddle.fluid as fluid
  2. import math
  3. factor = 2
  4. C = 2
  5. H = W = 32
  6. w_attr = fluid.ParamAttr(
  7.     learning_rate=0.,
  8.     regularizer=fluid.regularizer.L2Decay(0.),
  9.     initializer=fluid.initializer.BilinearInitializer())
  10. x = fluid.layers.data(name="data", shape=[4, H, W],
  11.                       dtype="float32")
  12. conv_up = fluid.layers.conv2d_transpose(
  13.     input=x,
  14.     num_filters=C,
  15.     output_size=None,
  16.     filter_size=2 * factor - factor % 2,
  17.     padding=int(math.ceil((factor - 1) / 2.)),
  18.     stride=factor,
  19.     groups=C,
  20.     param_attr=w_attr,
  21.     bias_attr=False)

上述代码实现的是将输入x（shape=[-1, 4, H, W]）经过转置卷积得到shape=[-1, C, H*factor, W*factor]的输出，num_filters = C和groups = C 表示这是按通道转置的卷积函数，输出通道为C，转置卷积的groups为C。滤波器shape为(C,1,K,K)，K为filter_size。该初始化函数为滤波器的每个通道设置(K,K)插值核。输出特征图的最终输出shape为(B,C,factor*H,factor*W)。注意学习率和权重衰减设为0，以便在训练过程中双线性插值的系数值保持不变