Keras裡的UpSampling2D層不是中的雙線性內插，而是簡單的重複影象。這點和pytorch不一樣，pytorch預設使用的是雙線性內插。

同樣：這裡仍然使用的是keras而不是tf.keras.

keras裡UpSampling2D的部分定義說明如下：

class UpSampling2D(Layer):
  """Upsampling layer for 2D inputs.
  Repeats the rows and columns of the data
  by size[0] and size[1] respectively.

可以看出，這裡的上取樣確實只是簡單的影象重複。

要想使用雙線性或者最近鄰或者雙三次插值上取樣，則需要在tf的tf.image.resize_images函式基礎上進行包裝，程式碼如下：

####定義：
def my_upsampling(x,img_w,img_h,method=0):
  """0：雙線性差值。1：最近鄰居法。2：雙三次插值法。3：面積插值法"""
  return tf.image.resize_images(x,(img_w,img_h),0)
 
###呼叫：
Lambda(my_upsampling,arguments={'img_w':self.img_w,'img_h':self.img_h})(output_6)
 
###load_model時注意加上tf：
model = keras.models.load_model('my_model.h5',custom_objects={'tf': tf})

補充知識：keras中使用內建模型語義分割上取樣維度不匹配

1.卷積時要使用padding=same因此要修改原來的padding=valid

x = conv2d_bn(img_input,32,3,strides=2,padding='same')

2.池化時卷積核大小修改為2而不是原來的3

branch_pool = layers.MaxPooling2D(2,padding='same')(x)

以上這篇在keras裡實現自定義上取樣層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。