# Upsample¶

class paddle.nn. Upsample ( size=None, scale_factor=None, mode='nearest', align_corners=False, align_mode=0, data_format='NCHW', name=None ) [源代码]

NEAREST：最近邻插值

LINEAR：线性插值

BILINEAR：双线性插值

TRILINEAR：三线性插值

BICUBIC：双三次插值

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}

Bicubic interpolation:

if:
align_corners = False

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¶

• size (list|tuple|Tensor|None) - 输出 Tensor 的形状，输入为 3D Tensor 时，形状为为(out_w)的 1-D Tensor。输入为 4D Tensor 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 `size` 是列表，每一个元素可以是整数或者形状为[]的 0-D Tensor。如果 `size` 是 Tensor，则其为 1D Tensor。默认值为 None。

• scale_factor (float|Tensor|list|tuple|None，可选) - 输入的深度、高度或宽度的缩放因子。`size``scale_factor` 至少要设置一个。`size` 的优先级高于 `scale_factor`。默认值为 None。如果 scale_factor 是一个 list 或 tuple，它必须与输入的 shape 匹配。

• mode (str，可选) - 插值方法。支持"bilinear"或"trilinear"或"nearest"或"bicubic"或"linear"或"area"。默认值为"nearest"。

• align_corners (bool，可选) - 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 False。

• align_mode (int，可选) - 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。默认值为 0。

• 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 3-D Tensor，支持 NCW(num_batches, channels, width)或者 NWC(num_batches, width, channels)，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'。

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

## 返回¶

3-D Tensor，形状为(num_batches, channels, out_w)或者(num_batches, out_w, channels)；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)。

## 代码示例¶

```>>> import paddle

>>> input = paddle.rand([2, 3, 6, 10], dtype="float32")