Keras Upsampling2d 与 PyTorch 上采样
pytorch 396
原文标题 ：Keras Upsampling2d vs PyTorch Upsampling
我正在尝试将 Keras 模型转换为 PyTorch。现在，它涉及UpSampling2Dfromkeras。当我在pytorch中使用torch.nn.UpsamplingNearest2d时，由于keras中UpSampling2D的默认值为nearest，我得到了不同的不一致结果。示例如下：
Keras 行为
In [3]: t1 = tf.random_normal([32, 8, 8, 512]) # as we have channels last in keras
In [4]: u_s = tf.keras.layers.UpSampling2D(2)(t1)
In [5]: u_s.shape
Out[5]: TensorShape([Dimension(32), Dimension(16), Dimension(16), Dimension(512)])
所以输出形状是(32,16,16,512)。现在让我们用 PyTorch 做同样的事情。
PyTorch 行为
In [2]: t1 = torch.randn([32,512,8,8]) # as channels first in pytorch
In [3]: u_s = torch.nn.UpsamplingNearest2d(2)(t1)
In [4]: u_s.shape
Out[4]: torch.Size([32, 512, 2, 2])
这里的输出形状是(32,512,2,2)，与 keras 的(32,512,16,16)相比。
那么如何在 PyTorch 中获得 Keras 的等效结果。谢谢
回复
我来回复-
M.Innat 评论该回答已被采纳！
在 keras 中，它使用缩放因子来上采样.SOURCE。
tf.keras.layers.UpSampling2D(size, interpolation='nearest')size：Int，或 2 个整数的元组。行和列的上采样因子。
而且，PyTorch 提供了直接输出大小和缩放因子。SOURCE。
torch.nn.UpsamplingNearest2d(size=None, scale_factor=None)要指定比例，它将大小或 scale_factor 作为其构造函数参数。
所以，在你的情况下
# scaling factor in keras t1 = tf.random.normal([32, 8, 8, 512]) tf.keras.layers.UpSampling2D(2)(t1).shape TensorShape([32, 16, 16, 512]) # direct output size in pytorch t1 = torch.randn([32,512,8,8]) # as channels first in pytorch torch.nn.UpsamplingNearest2d(size=(16, 16))(t1).shape # or torch.nn.UpsamplingNearest2d(size=16)(t1).shape torch.Size([32, 512, 16, 16]) # scaling factor in pytorch. torch.nn.UpsamplingNearest2d(scale_factor=2)(t1).shape torch.Size([32, 512, 16, 16])2年前 0条评论
