pixel_shuffle¶

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

该算子将一个形为[N, C, H, W]或是[N, H, W, C]的Tensor重新排列成形为 [N, C/r**2, H*r, W*r]或 [N, H*r, W*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float32或者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): 操作的名称(可选，默认值为None）。更多信息请参见 Name。

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((2, 9, 4, 4))
out = F.pixel_shuffle(x, 3)
print(out.shape)
# (2, 1, 12, 12)

PaddlePaddle

paddle.nn / functional / pixel_shuffle

pixel_shuffle¶

参数¶

返回¶

代码示例¶

PaddlePaddle

paddle

paddle.amp

paddle.callbacks

paddle.compat

paddle.distributed

paddle.distribution

paddle.fluid

paddle.io

paddle.jit

paddle.metric

paddle.nn

paddle.onnx

paddle.optimizer

paddle.regularizer

paddle.static

paddle.sysconfig

paddle.text

paddle.utils

paddle.vision

paddle.nn / functional / pixel_shuffle

pixel_shuffle¶

参数¶

返回¶

代码示例¶