resize_trilinear

paddle.fluid.layers. resize_trilinear ( input, out_shape=None, scale=None, name=None, actual_shape=None, align_corners=True, align_mode=1, data_format=’NCDHW’ ) [源代码]

注意: 参数 actual_shape 将被弃用，请使用 out_shape 替代。

该层对输入进行放缩，基于给定的由 actual_shape , out_shape , scale 确定的输出shape，进行三线插值。三线插值是包含三个参数的线性插值方程（D方向，H方向， W方向）,在一个3D格子上进行三个方向的线性插值。更多细节，请参考维基百科：https://en.wikipedia.org/wiki/Trilinear_interpolation Align_corners和align_mode都是可选参数，可以用来设置插值的计算方法，如下：

  1. Example:
  3.       For scale:
  5.       if align_corners = True && out_size > 1 :
  7.         scale_factor = (in_size-1.0)/(out_size-1.0)
  9.       else:
  11.         scale_factor = float(in_size/out_size)
  13.       Bilinear interpolation:
  15.         if:
  16.             align_corners = False , align_mode = 0
  18.             input : (N,C,D_in,H_in,W_in)
  19.             output: (N,C,D_out,H_out,W_out) where:
  21.             D_out = (D_{in}+0.5) * scale_{factor} - 0.5
  22.             H_out = (H_{in}+0.5) * scale_{factor} - 0.5
  23.             W_out = (W_{in}+0.5) * scale_{factor} - 0.5
  26.         else:
  28.             input : (N,C,D_in,H_in,W_in)
  29.             output: (N,C,D_out,H_out,W_out) where:
  31.             D_out = D_{in} * scale_{factor}
  32.             H_out = H_{in} * scale_{factor}
  33.             W_out = W_{in} * scale_{factor}

参数:

  • input (Variable) – 5-D Tensor，数据类型为float32、float64或uint8，其数据格式由参数 data_format 指定。

  • out_shape (list|tuple|Variable|None) – 调整最近邻层的输出形状，形式为(out_h, out_w)。默认值：None。如果 out_shape 是列表，每一个元素可以是整数或者shape为[1]的变量。如果 out_shape 是变量，则其维度大小为1。

  • scale (float|None) – 输入高、宽的乘法器。 out_shape 和 scale 二者至少设置其一。 out_shape 具有比 scale 更高的优先级。 默认: None

  • name (str|None) – 输出变量的命名

  • actual_shape (Variable) – 可选输入， 动态设置输出张量的形状。 如果提供该值， 图片放缩会依据此形状进行， 而非依据 out_shape 和 scale 。 即为， actual_shape 具有最高的优先级。 如果想动态指明输出形状，推荐使用 out_shape ，因为 actual_shape 未来将被弃用。 当使用 actual_shape 来指明输出形状， out_shape 和 scale 也应该进行设置, 否则在图形生成阶段将会报错。默认: None

  • align_corners （bool）- 一个可选的bool型参数，如果为True，则将输入和输出张量的4个角落像素的中心对齐，并保留角点像素的值。 默认值：True

  • align_mode (bool) - (int,默认为’1’)，双线性插值选项，src_idx = scale(dst_index+0.5)-0.5时取’0’，src_idx = scaledst_index时取’1’。

  • data_format （str，可选）- 指定输入的数据格式，输出的数据格式将与输入保持一致，可以是”NCDHW”和”NDHWC”。N是批尺寸，C是通道数，H是特征高度，W是特征宽度。默认值：”NCDHW”。

返回：5-D Tensor，形状为 (num_batches, channels, out_d, out_h, out_w) 或 (num_batches, out_d, out_h, out_w, channels)。

代码示例

  1. import paddle.fluid as fluid
  2. input = fluid.layers.data(name="input", shape=[3,6,9,11], dtype="float32")
  3. # input.shape = [-1, 3, 6, 9, 11], where -1 indicates batch size, and it will get the exact value in runtime.
  5. out0 = fluid.layers.resize_trilinear(input, out_shape=[12, 12, 12])
  6. # out0.shape = [-1, 3, 12, 12, 12], it means out0.shape[0] = input.shape[0] in runtime.
  8. # out_shape is a list in which each element is a integer or a tensor Variable
  9. dim1 = fluid.layers.data(name="dim1", shape=[1], dtype="int32", append_batch_size=False)
  10. out1 = fluid.layers.resize_trilinear(input, out_shape=[12, dim1, 4])
  11. # out1.shape = [-1, 3, 12, -1, 4]
  13. # out_shape is a 1-D tensor Variable
  14. shape_tensor = fluid.layers.data(name="shape_tensor", shape=[3], dtype="int32", append_batch_size=False)
  15. out2 = fluid.layers.resize_trilinear(input, out_shape=shape_tensor)
  16. # out2.shape = [-1, 3, -1, -1, -1]
  18. # when use actual_shape
  19. actual_shape_tensor = fluid.layers.data(name="actual_shape_tensor", shape=[3], dtype="int32", append_batch_size=False)
  20. out3 = fluid.layers.resize_trilinear(input, out_shape=[4, 4, 8], actual_shape=actual_shape_tensor)
  21. # out3.shape = [-1, 3, 4, 4, 8]
  23. # scale is a Variable
  24. scale_tensor = fluid.layers.data(name="scale", shape=[1], dtype="float32", append_batch_size=False)
  25. out4 = fluid.layers.resize_trilinear(input, scale=scale_tensor)
  26. # out4.shape = [-1, 3, -1, -1, -1]