# 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}
```

• size (list|tuple|Variable|None) - 输出Tensor，输入为3D张量时，形状为为(out_w)的1-D Tensor。输入为4D张量时，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_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。

• 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。 默认值为True

• 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。

• 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 NCHW(num_batches, channels, width)，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|None, 可选) - 该参数供开发人员打印调试信息时使用，具体用法请参见 Name 。默认值为None。

• `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"LINEAR"或"BILINEAR"或"TRILINEAR"或"NEAREST"或"BICUBIC"。

• `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4D张量。

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

• `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 ‘NCW’、 ‘NCHW’、‘NHWC’、‘NCDHW’ 或者 ‘NDHWC’。

```import paddle
import numpy as np