【torch.nn.PixelShuffle】和【torch.nn.UnpixelShuffle】-Toy模板网

这篇具有很好参考价值的文章主要介绍了【torch.nn.PixelShuffle】和【torch.nn.UnpixelShuffle】。希望对大家有所帮助。如果存在错误或未考虑完全的地方，请大家不吝赐教，您也可以点击"举报违法"按钮提交疑问。

torch.nn.PixelShuffle

直观解释

PixelShuffle是一种上采样方法，它将形状为 $C\times r^2, H, W)$ 的张量重新排列转换为形状为 $H\times r, W\times r)$ 的张量：
【torch.nn.PixelShuffle】和【torch.nn.UnpixelShuffle】,深度学习框架,python,pytorch,PixelShuffle

举个例子
输入的张量大小是(1,8,2,3)，PixelShuffle的缩放因子是r=2。

import torch
ps=torch.nn.PixelShuffle(2)
input=torch.arange(0,48).view(1,8,2,3)
print(input)
output=ps(input)
print(output)
print(output.shape)

如下图可以看到，PixelShuffle是把输入通道按照缩放因子r^2进行划分成8/(2^2)=2 组。
也就是输入的第一组（前4个通道）中的元素，每次间隔r=2 交错排列，合并成输出的第一个通道维度。
输入的第二组（后4个通道）中的元素，每次间隔r=2交错排列，合并成输出通道的第二个维度。
输入的大小为(batchsize,in_channel,in_height,in_width)=(1,8,2,3)
输出的大小为(batchsize,out_channel,out_height,out_width)(1,2,4,6)

各个维度的变化规律如下：
batchsize 不变;
out_channel=in_channel/(r^2)
out_height=in_height*r
out_width=in_width*r
【torch.nn.PixelShuffle】和【torch.nn.UnpixelShuffle】,深度学习框架,python,pytorch,PixelShuffle

官方文档

CLASS
torch.nn.PixelShuffle(upscale_factor)

功能：把大小为 $(*,C\times r^2,H,W)$ 的张量重新排列为大小为 $(*,C,H\times r,W\times r)$ , 其中 $r$ 是 upscale factor 。

这个操作对于实现步长为 $\frac {1}{r}$ 的efficient sub-pixel convolution有用。
参数
- upscale_factor(int) : 增加空间分辨率的因子
形状
- 输入： $C_{in},H_{in},W_{in})$ ，其中 $*$ 是 0 或者batch大小
- 输出： $C_{out},H_{out},W_{out})$ , 其中
  
  $C_{\text {out }}=C_{\text {in }} \div upscale\_factor ^2 \\ H_{\text {out }}=H_{\text {in }} \times upscale\_factor \\ W_{\text {out }}=W_{\text {in }} \times upscale\_factor$
例子文章来源地址https://www.toymoban.com/news/detail-636297.html

>>> pixel_shuffle = nn.PixelShuffle(3)
>>> input = torch.randn(1, 9, 4, 4)
>>> output = pixel_shuffle(input)
>>> print(output.size())
torch.Size([1, 1, 12, 12])

torch.nn.PixelUnshuffle

直观解释

PixelUnshuffle就是PixelShuffle的逆操作。

import torch
pus=torch.nn.PixelUnshuffle(2)
input_restore=pus(putput)
print(input_restore)
print(input_restore.shape)
print(input_restore==input) # input_restore和input一样

官方文档

CLASS
torch.nn.PixelUnshuffle(downscale_factor)

功能：是PixelShuffle的逆操作，把大小为 $(*,C,H\times r,W\times r)$ 的张量重组成大小为 $(*,C\times r,H,W)$ 的张量。其中 $r$ 是downscale factor。
参数：
- downscale_factor (int) : 降低空间分辨率的因子。
形状：
- 输入： $C_{in},H_{in},W_{in})$ , 其中 $*$ 是 0 或者batch大小
- 输出： $C_{out},H_{out},W_{out})$ , 其中
  
  $\begin{aligned}& C_{\text {out }}=C_{\text {in }} \times \text { downscale } \_ \text {factor }{ }^2 \\& H_{\text {out }}=H_{\text {in }} \div \text { downscale } \_ \text {factor } \\& W_{\text {out }}=W_{\text {in }} \div \text { downscale } \_ \text {factor }\end{aligned}$
例子

>>> pixel_unshuffle = nn.PixelUnshuffle(3)
>>> input = torch.randn(1, 1, 12, 12)
>>> output = pixel_unshuffle(input)
>>> print(output.size())
torch.Size([1, 9, 4, 4])