pixel_shuffle

paddle.nn.functional. pixel_shuffle ( x, upscale_factor, data_format='NCHW', name=None ) [源代码]

将一个形为 \([N, C, H, W]\)\([N, H, W, C]\) 的 Tensor 重新排列成形为 \([N, C/r^2, H \times r, W \times r]\)\([N, H \times r, W \times r, C/r^2]\) 的 Tensor。这样做有利于实现步长(stride)为 1/r 的高效 sub-pixel(亚像素)卷积。详见 Shi 等人在 2016 年发表的论文 Real Time Single Image and Video Super Resolution Using an Efficient Sub Pixel Convolutional Neural Network

注解

详细请参考对应的 Class 请参考:PixelShuffle

参数

  • x (Tensor) - 当前算子的输入,其是一个形状为 [N, C, H, W] 的 4-D Tensor。其中 N 是 batch size, C 是通道数,H 是输入特征的高度,W 是输入特征的宽度。其数据类型为 float16,float32,float64。

  • upscale_factor (int) - 增大空间分辨率的增大因子

  • data_format (str,可选) - 数据格式,可选:"NCHW"或"NHWC",默认:"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

Tensor,输出 Tensor,其数据类型与输入相同。

代码示例

import paddle
import paddle.nn.functional as F

x = paddle.randn(shape=[2,9,4,4])
out_var = F.pixel_shuffle(x, 3)
print(out_var.shape)
# [2, 1, 12, 12]