pixel_shuffle¶

该OP将一个形为[N, C, H, W]的Tensor重新排列成形为 [N, C/r**2, H*r, W*r] 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 。

给定一个形为  x.shape = [1, 9, 4, 4]  的4-D张量
设定：upscale_factor=3
那么输出张量的形为：[1, 1, 12, 12]

参数：

x （Variable）- 维度为 \([N_1, N_2, ..., N_k, D]\) 的多维Tensor，其中最后一维D是类别数目。数据类型为float32或float64。
upscale_factor （int）- 增大空间分辨率的增大因子

返回：根据新的维度信息进行重组的张量

返回类型： Variable

抛出异常： ValueError - 如果upscale_factor的平方不能整除输入的通道维度(C)的大小。

示例代码

import paddle.fluid as fluid
input = fluid.layers.data(name="input", shape=[9,4,4])
output = fluid.layers.pixel_shuffle(x=input, upscale_factor=3)

paddle.fluid / layers / pixel_shuffle