昇腾社区首页
中文
注册
开发者
下载

aclnnUpsampleBilinear2d

产品支持情况

[object Object]undefined

功能说明

  • 接口功能:对由多个输入通道组成的输入信号应用2D双线性上采样。

    • 对于输入shape:如果输入shape为(N,C,H,W),则输出shape为(N,C,outputSize[0],outputSize[1])。
    • 对于中心对齐的选择:一般像素被视为网格。当alignCorners = True时,像素被视为网格左上角的点,输出拐角处的像素与原图像的拐角像素中心对齐,同方向点之间是等间距的;当alignCorners = False时, 像素被视为网格的交叉线上的点,输出拐角处的像素依然是原图像的拐角像素,但同方向点之间是不等距的。
  • 计算公式:

    • 核心算法逻辑: 1.将目标图像缩放到和原始图像一样大的尺寸。 2.计算缩放之后的目标图像的点,以及前后相邻的原始图像的点。 3.分别计算相邻点到对应目标点的权重,按照权重相乘累加即可得到目标点值。
    • 具体计算逻辑: 缩放方式分为角对齐和边对齐,角对齐表示按照原始图片左上角像素中心点对齐,边对齐表示按照原始图片左上角顶点及两条边对齐,在计算缩放系数和坐标位置时存在差异。则有以下公式:scaleH={(self.dim[2]1)/(outputSize[0]1)alignCorners=true1/scalesHalignCorners=false&scalesH>0self.dim[2]/outputSize[0]alignCorners=falsescaleH =\begin{cases} (self.dim[2]-1) / (outputSize[0]-1) & alignCorners=true \\ 1 / scalesH & alignCorners=false\&scalesH>0\\ self.dim[2] / outputSize[0] & alignCorners=false \end{cases} scaleW={(self.dim[3]1)/(outputSize[1]1)alignCorners=true1/scalesWalignCorners=false&scalesW>0self.dim[3]/outputSize[1]alignCorners=falsescaleW =\begin{cases} (self.dim[3]-1) / (outputSize[1]-1) & alignCorners=true \\ 1 / scalesW & alignCorners=false\&scalesW>0\\ self.dim[3] / outputSize[1] & alignCorners=false \end{cases} 因此,对于output的某个方向上的点p(x,y),映射回原始图像中的点记为q(x',y'),则有关系:x={xscaleHalignCorners=trueMAX(0,(x+0.5)scaleH0.5)alignCorners=falsex' =\begin{cases} x * scaleH & alignCorners=true \\ MAX(0,{(x+0.5)*scaleH-0.5}) & alignCorners=false \end{cases} y={yscaleWalignCorners=trueMAX(0,(y+0.5)scaleW0.5)alignCorners=falsey' =\begin{cases} y * scaleW & alignCorners=true \\ MAX(0,{(y+0.5)*scaleW-0.5}) & alignCorners=false \end{cases}
      • 记:

        x0=int(x),x1=int(x)+1,lambda0=x1x,lambda1=1lambda0x_{0} =int(x'),x_{1} =int(x')+1, lambda_{0} = x_{1}-x', lambda_{1} = 1-lambda_{0} y0=int(y),y1=int(y)+1,lambdb0=y1y,lambdb1=1lambdb0y_{0} =int(y'),y_{1} =int(y')+1, lambdb_{0} = y_{1}-y', lambdb_{1} = 1-lambdb_{0}
      • 则有以下公式:

        V(px,y)=V(px0,y0)lambda0lambdb0+V(px0,y1)lambda0lambdb1+V(px1,y0)lambda1lambdb0+V(px1,y1)lambda1lambdb1{V(p_{x, y})} = {V(p_{x0, y0})} * {lambda_{0}} * {lambdb_{0}} + {V(p_{x0, y1})} * {lambda_{0}} * {lambdb_{1}} + {V(p_{x1, y0})} * {lambda_{1}} * {lambdb_{0}} + {V(p_{x1, y1})} * {lambda_{1}} * {lambdb_{1}}

函数原型

每个算子分为,必须先调用“aclnnUpsampleBilinear2dGetWorkspaceSize”接口获取计算所需workspace大小以及包含了算子计算流程的执行器,再调用“aclnnUpsampleBilinear2d”接口执行计算。

[object Object]
[object Object]

aclnnUpsampleBilinear2dGetWorkspaceSize

  • 参数说明

    [object Object]
    • [object Object]Atlas 推理系列产品[object Object]、[object Object]Atlas 训练系列产品[object Object]:

      参数[object Object][object Object]的数据类型不支持BFLOAT16。

  • 返回值

    aclnnStatus:返回状态码,具体参见

    第一段接口完成入参校验,出现以下场景时报错:

    [object Object]

aclnnUpsampleBilinear2d

  • 参数说明

    [object Object]
  • 返回值

aclnnStatus:返回状态码,具体参见

约束说明

  • 当alignCorners为True时,参数outputSize与参数scalesH和参数scalesW,在使用时二选一,即:
    • outputSize对应轴的值小于等于1,scales对应轴的值为0。
    • 其他情况下使用入参self和outputSize中对应轴的参数值,且:scales=(self1)/(outputSize1)scales=(self-1)/(outputSize-1)
  • 当alignCorners为False时:
    • 当入参scalesH或入参scalesW的值等于0时,使用入参outputSize的参数值。
      • 当outputSize对应轴等于0,即对应的scales为0。
      • 当outputSize的对应轴不等于0时,即:scales=(self/outputSize)scales=(self/outputSize)
    • 当入参scalesH和入参scalesW的值都大于0时,使用入参scalesH、scalesW和outputSize输入的参数值。
  • 确定性计算:
    • aclnnUpsampleBilinear2d默认确定性实现。

调用示例

示例代码如下,仅供参考,具体编译和执行过程请参考

[object Object]