image_resize¶

paddle.fluid.layers. image_resize ( input, out_shape=None, scale=None, name=None, resample='BILINEAR', actual_shape=None, align_corners=True, align_mode=1, data_format='NCHW' )

BILINEAR：双线性插值

TRALINEAR：三线插值

NEAREST：最近邻插值

Align_corners 和 align_mode 是可选参数，插值的计算方法可以由它们选择。

```For scale:

if align_corners = True && out_size > 1 :

scale_factor = (in_size-1.0)/(out_size-1.0)

else:

scale_factor = float(in_size/out_size)

Nearest neighbor interpolation:

if:
align_corners = False

input : (N,C,H_in,W_in)
output: (N,C,H_out,W_out) where:

H_out = \left \lfloor {H_{in} * scale_{}factor}} \right \rfloor
W_out = \left \lfloor {W_{in} * scale_{}factor}} \right \rfloor

else:
align_corners = True

input : (N,C,H_in,W_in)
output: (N,C,H_out,W_out) where:

H_out = round(H_{in} * scale_{factor})
W_out = round(W_{in} * scale_{factor})

Bilinear interpolation:

if:
align_corners = False , align_mode = 0

input : (N,C,H_in,W_in)
output: (N,C,H_out,W_out) where:

H_out = (H_{in}+0.5) * scale_{factor} - 0.5
W_out = (W_{in}+0.5) * scale_{factor} - 0.5

else:

input : (N,C,H_in,W_in)
output: (N,C,H_out,W_out) where:

H_out = H_{in} * scale_{factor}
W_out = W_{in} * scale_{factor}

Trilinear interpolation:

if:
align_corners = False , align_mode = 0

input : (N,C,D_in,H_in,W_in)
output: (N,C,D_out,H_out,W_out) where:

D_out = (D_{in}+0.5) * scale_{factor} - 0.5
H_out = (H_{in}+0.5) * scale_{factor} - 0.5
W_out = (W_{in}+0.5) * scale_{factor} - 0.5

else:

input : (N,C,D_in,H_in,W_in)
output: (N,C,D_out,H_out,W_out) where:

D_out = D_{in} * scale_{factor}
H_out = H_{in} * scale_{factor}
W_out = W_{in} * scale_{factor}
```

参数¶

• input (Variable) - 4-D 或 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) - 输出 Tensor，输入为 4DTensor 时，形状为为(out_h, out_w)的 2-D Tensor。输入为 5-D Tensor 时，形状为(out_d, out_h, out_w)的 3-D Tensor。如果 `out_shape` 是列表，每一个元素可以是整数或者形状为[1]的变量。如果 `out_shape` 是变量，则其维度大小为 1。默认值为 None。

• scale (float|Variable|None)-输入的高度或宽度的乘数因子。out_shape 和 scale 至少要设置一个。out_shape 的优先级高于 scale。默认值为 None。

• name (str，可选) - 具体用法请参见 Name，一般无需设置，默认值为 None。

• resample (str) - 插值方法。支持“双线性”,“三线性”,“临近插值”。默认值为双线性插值。

• actual_shape (Variable) - 可选输入，用于动态指定输出形状。如果指定 actual_shape，图像将根据给定的形状调整大小，而不是根据指定形状的 `out_shape``scale` 进行调整。也就是说，`actual_shape` 具有最高的优先级。如果希望动态指定输出形状，建议使用 `out_shape`，因为 `actual_shape` 未来将被弃用。在使用 actual_shape 指定输出形状时，还需要设置 out_shape 和 scale 之一，否则在图形构建阶段会出现错误。默认值：None

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

• align_mode （int）- 双线性插值的可选项。可以是 '0' 代表 src_idx = scale *（dst_indx + 0.5）-0.5；如果为'1'，代表 src_idx = scale * dst_index。

• 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。对于 4-D Tensor，支持 NCHW(num_batches, channels, height, width) 或者 NHWC(num_batches, height, width, channels)，对于 5-D Tensor，支持 NCDHW(num_batches, channels, depth, height, width)或者 NDHWC(num_batches, depth, height, width, channels)，默认值：'NCHW'。

返回¶

4-D Tensor，形状为 (num_batches, channels, out_h, out_w) 或 (num_batches, out_h, out_w, channels)；或者 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)。

抛出异常¶

• `TypeError` - out_shape 应该是一个列表、元组或变量。

• `TypeError` - actual_shape 应该是变量或 None。

• `ValueError` - image_resize 的"resample"只能是"BILINEAR"或"TRILINEAR"或"NEAREST"。

• `ValueError` - out_shape 和 scale 不可同时为 None。

• `ValueError` - out_shape 的长度必须为 2 如果输入是 4DTensor。

• `ValueError` - out_shape 的长度必须为 3 如果输入是 5DTensor。

• `ValueError` - scale 应大于 0。

• `TypeError` - align_corners 应为 bool 型。

• `ValueError` - align_mode 只能取 ‘0’ 或 ‘1’。

• `ValueError` - data_format 只能取 ‘NCHW’、‘NHWC’、‘NCDHW’ 或者 ‘NDHWC’。