aclnnUpsampleLinear1d

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线性插值算法进行上采样。如果输入shape为(N, C, L)，则输出shape为(N, C, outputSize)。

• 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：$$scale =\begin{cases} (self.dim[2]-1) / (outputSize[0]-1) & alignCorners=true \\ 1 / scales & alignCorners=false\&scales>0\\ self.dim[2] / outputSize[0] & alignCorners=false \end{cases}$$ 因此，对于output的某个方向上的点p(x)，映射回原始图像中的点记为q(x')，则有关系：$$x' =\begin{cases} x * scale\_h & alignCorners=true \\ MAX(0,{(x+0.5)*scale\_h-0.5}) & alignCorners=false \end{cases}$$

    • 记：

      $$x_{0} =int(x'),x_{1} =int(x')+1, lambda_{0} = x_{1}-x', lambda_{1} = 1-lambda_{0}$$

    • 则有以下公式：

      $${V(p_{x})} = {V(p_{x0})} * {lambda_{0}} + {V(p_{x1})} * {lambda_{1}}$$

函数原型

每个算子分为，必须先调用“aclnnUpsampleLinear1dGetWorkspaceSize”接口获取入参并根据计算流程计算所需workspace大小，再调用“aclnnUpsampleLinear1d”接口执行计算。

aclnnUpsampleLinear1dGetWorkspaceSize

• 参数说明：

  [object Object]

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

    入参[object Object]和出参[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]

aclnnUpsampleLinear1d

• 参数说明：

  [object Object]

• 返回值：

  aclnnStatus：返回状态码，具体参见。

约束说明

• 入参[object Object]和出参[object Object]的数据格式不为ND或NCL时，输入其他数据格式会默认按照NCL处理。
• 参数outputSize与参数scales，在使用时二选一，即：
  • 当alignCorners为True：
    • outputSize等于1，scales的值为0。
    • 其他情况下使用入参self和outputSize的参数值，且：$scales=(self\_L-1)/ (outputSize-1)$。
  • 当alignCorners为False时：
    • 当入参scales的值小于等于0时，使用入参outputSize的参数值，即：$scales= (self\_L / outputSize)$。
    • 当入参scales的值都大于0时，使用入参scales的参数值，即$outputSize=[floor(self\_L * scales)]$。
• 确定性计算：
  • aclnnUpsampleLinear1d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。