1、其中再語義分割比較常用的上取樣：

其實現方法為：

def upconv2x2(in_channels,out_channels,mode='transpose'):
 if mode == 'transpose':
  # 這個上採用需要設定其輸入通道，輸出通道.其中kernel_size、stride
  # 大小要跟對應下采樣設定的值一樣大小。這樣才可恢復到相同的wh。這裡時反捲積操作。
  return nn.ConvTranspose2d(
   in_channels,kernel_size=2,stride=2)
 else:
  # out_channels is always going to be the same
  # as in_channels
  # 這裡不會改變通道數，其中scale_factor是上採用的放大因子，其是相對於當前的
  # 輸入大小的倍數
  return nn.Sequential(
   nn.Upsample(mode='bilinear',scale_factor=2,align_corners=True))
  # 這裡的程式碼是在這裡設定多一個卷積,這樣子就起到了可以修改其輸出通道的功能了。
  # 相當於功能跟ConvTranspose2d()差不多，只是上取樣的方法不同
  conv1x1((in_channels,out_channels))
 
 
def conv1x1(in_channels,groups=1):
 return nn.Sequential(nn.Conv2d(
  in_channels,kernel_size=1,groups=groups,stride=1),nn.BatchNorm2d(out_channels))

另一種上取樣的方法是，參考程式碼：segnet_pytorch：

  # Stage 5
  x51 = F.relu(self.bn51(self.conv51(x4p)))
  x52 = F.relu(self.bn52(self.conv52(x51)))
  x53 = F.relu(self.bn53(self.conv53(x52)))
  #這個id5記錄的是池化操作時最大值的index，其要設定引數return_indices為True
  x5p,id5 = F.max_pool2d(x53,stride=2,return_indices=True)
 
 
  # Stage 5d
  #這個是進行最大值上取樣的函式，其是根據id5來把值放到什麼位置，其它位置沒有值的地方
  補0
  x5d = F.max_unpool2d(x5p,id5,stride=2)
  x53d = F.relu(self.bn53d(self.conv53d(x5d)))
  x52d = F.relu(self.bn52d(self.conv52d(x53d)))
  x51d = F.relu(self.bn51d(self.conv51d(x52d)))

測試例子：

#測試上取樣
m=nn.MaxPool2d((3,3),stride=(1,1),return_indices=True)
upm=nn.MaxUnpool2d((3,1))
data4=torch.randn(1,1,3,3)
output5,indices=m(data4)
output6=upm(output5,indices)
 
print('\ndata4:',data4,'\nmaxPool2d',output5,'\nindices:',indices,'\noutput6:',output6)

其輸出為：

data4: tensor([[[[ 2.3151,-1.0391,0.1074],[ 1.9360,0.2524,2.3735],[-0.1151,0.4684,-1.8800]]]]) 
maxPool2d tensor([[[[2.3735]]]]) 
indices: tensor([[[[5]]]]) 
output6: tensor([[[[0.0000,0.0000,0.0000],[0.0000,0.0000]]]])

以上這篇pytorch進行上取樣的種類例項就是小編分享給大家的全部內容了，希望能給大家一個參考，也希望大家多多支援我們。