# upsample¶

paddle.nn.functional. upsample ( x, size=None, scale_factor=None, mode='nearest', align_corners=False, align_mode=0, data_format=None, name=None ) [源代码]

NEAREST：最近邻插值

BILINEAR：双线性插值

TRILINEAR：三线性插值

BICUBIC：双三次插值

LINEAR：线性插值

AREA：面积插值

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

scale 计算方法：

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:

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

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¶

• x (Tensor) - 3-D，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。如果没有指定 data_format 参数，其数据格式将由维度决定，具体请参照 data_format 参数。

• size (list|tuple|Tensor|None) - 输出 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 out_shape 是列表，每一个元素可以是整数或者形状为[]的变量。如果 out_shape 是变量，则其维度大小为 1。默认值为 None。

• scale_factor (float|Tensor|list|tuple|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。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_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。

• 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 True

• 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。支持的值有："NCW"、"NWC"、"NCHW"、"NHWC"、"NCDHW"、"NDHWC"。默认值为 None，此时若输入是 3-D Tensor， data_format 将默认为"NCW"；若输入是 4—D Tensor, 将默认为"NCHW"；若输入是 5—D Tensor, 将默认为"NCDHW"。

• 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，4-D，或 5-D Tensor，数据格式与输入 x 一致。

## 代码示例¶

>>> import paddle