F.interpolate 是 PyTorch 中用于對張量（通常是圖像數(shù)據(jù)）進(jìn)行插值操作的函數(shù)，常用于調(diào)整張量的大小，例如改變圖像的分辨率。它支持多種插值方法，包括最近鄰插值、雙線性插值和三次插值等。

語法

torch.nn.functional.interpolate(input, size=None, scale_factor=None, mode='nearest', align_corners=None)

參數(shù)

1. input:

   • 輸入的張量，形狀通常為 (N, C, H, W) 或 (N, C, D, H, W)（批次、通道數(shù)、高度、寬度 或深度、高度、寬度）。

2. size:

   • 調(diào)整后張量的目標(biāo)大小，可以是整數(shù)元組，例如 (height, width)。
   • 優(yōu)先級高于 scale_factor。

3. scale_factor:

   • 用于調(diào)整大小的比例因子，可以是浮點(diǎn)數(shù)或元組（對于高度和寬度分別指定比例）。
   • 如果指定了 size，此參數(shù)會被忽略。

4. mode:

   • 指定插值方法，常用選項(xiàng)：
     • 'nearest'：最近鄰插值。
     • 'linear'：線性插值（僅適用于 3D 輸入）。
     • 'bilinear'：雙線性插值（常用于 2D 圖像）。
     • 'bicubic'：雙三次插值（適用于 2D 圖像）。
     • 'trilinear'：三線性插值（適用于 3D 輸入）。
     • 'area'：區(qū)域插值，用于下采樣。

5. align_corners:

   • 僅在 mode 為 'linear', 'bilinear', 'bicubic' 或 'trilinear' 時使用。
   • 如果為 True，則輸入和輸出的角像素對齊。

返回值

調(diào)整大小后的張量。

---

示例代碼

1. 將圖像從 640x640 調(diào)整為 832x832

import torch
import torch.nn.functional as F# 創(chuàng)建一個隨機(jī)圖像張量，形狀為 (batch_size=1, channels=3, height=640, width=640)
img = torch.randn(1, 3, 640, 640)# 使用 F.interpolate 調(diào)整分辨率為 832x832
resized_img = F.interpolate(img, size=(832, 832), mode='bilinear', align_corners=False)print("Original shape:", img.shape)
print("Resized shape:", resized_img.shape)

2. 使用比例調(diào)整圖像大小

# 使用 scale_factor=1.3 對圖像尺寸放大 1.3 倍
scaled_img = F.interpolate(img, scale_factor=1.3, mode='bilinear', align_corners=False)print("Scaled shape:", scaled_img.shape)

3. 下采樣為一半大小

# 使用 scale_factor=0.5 對圖像尺寸縮小 50%
downsampled_img = F.interpolate(img, scale_factor=0.5, mode='area')print("Downsampled shape:", downsampled_img.shape)

---

注意事項(xiàng)

1. align_corners 的影響
   當(dāng) align_corners=True 時，插值會在輸入和輸出張量的角像素之間進(jìn)行對齊；否則，計(jì)算比例時不對齊角像素。通常推薦 align_corners=False，避免形變或偏移。

2. 選擇插值方法

   • 雙線性插值（bilinear）和雙三次插值（bicubic）通常適用于圖像重采樣，生成更平滑的結(jié)果。
   • 最近鄰插值（nearest）速度快，但結(jié)果不夠平滑。

3. 處理多通道輸入
   F.interpolate 可直接處理多通道（如 RGB、IR 數(shù)據(jù)）的張量，不需要額外操作。