調整大小

調整大小 - 19

版本

• 名稱: Resize (GitHub)

• 網域: main

• since_version: 19

• function: False

• 支援等級: SupportType.COMMON

• 形狀推斷: True

此版本的運算子自 19 版起可用。

摘要

調整輸入張量的大小。一般而言，它將輸出張量中的每個值計算為輸入張量中鄰域（又稱取樣位置）的加權平均值。輸出張量的每個維度值為

output_dimension = floor(input_dimension * (roi_end - roi_start) * scale)

如果未指定輸入「大小」。

屬性

• 抗鋸齒 - INT (預設為 '0')

  如果設為 1，「線性」和「立方」插值模式在縮小時將使用抗鋸齒濾波器。抗鋸齒是通過將重採樣濾波器拉伸一個因子 max(1, 1 / scale) 來實現的，這意味著在縮小時，更多輸入像素有助於輸出像素。

• axes - INTS :

  如果提供，則指定「roi」、「scales」和「sizes」所指的軸子集。如果未提供，則假定所有軸為 [0, 1, …, r-1]，其中 r = rank(data)。未指定的維度被解釋為不可調整大小。負值表示從後方計算維度。接受的範圍為 [-r, r-1]，其中 r = rank(data)。如果重複軸，則行為未定義。

• 坐標轉換模式 - STRING (預設為 'half_pixel')

  此屬性描述如何將調整大小後的張量中的坐標轉換為原始張量中的坐標。

  每個維度的坐標都會單獨轉換。讓我們以軸 x 為例來描述一個案例。將 x_resized 表示為調整大小後的張量中軸 x 的坐標，x_original 表示為原始張量中軸 x 的坐標，length_original 表示為原始張量在軸 x 中的長度，length_resized 表示為調整大小後的張量在軸 x 中的長度，scale = length_resized / length_original，output_width 表示軸 x 上的目標長度，當從比例因子計算出來時，它可以是小數，而 output_width_int 表示有效的整數輸出寬度。

  如果 coordinate_transformation_mode 為 "half_pixel"，

  x_original = (x_resized + 0.5) / scale - 0.5
  

  如果 coordinate_transformation_mode 為 "half_pixel_symmetric"，

  adjustment = output_width_int / output_width
  center = input_width / 2
  offset = center * (1 - adjustment)
  x_ori = offset + (x + 0.5) / scale - 0.5
  

  如果 coordinate_transformation_mode 為 "pytorch_half_pixel"，

  x_original = length_resized > 1 ? (x_resized + 0.5) / scale - 0.5 : 0
  

  如果 coordinate_transformation_mode 為 "align_corners"，

  x_original = x_resized * (length_original - 1) / (length_resized - 1)
  

  如果 coordinate_transformation_mode 為 "asymmetric"，

  x_original = x_resized / scale
  

  如果 coordinate_transformation_mode 為 "tf_crop_and_resize"，

  x_original = length_resized > 1 ? start_x * (length_original - 1) + x_resized * (end_x - start_x) * (length_original - 1) / (length_resized - 1) : 0.5 * (start_x + end_x) * (length_original - 1)
  

  .

• 立方係數 a - FLOAT (預設為 '-0.75')

  立方插值中使用的係數「a」。兩個常見的選擇是 -0.5（在 TensorFlow 的某些情況下）和 -0.75（在 PyTorch 中）。有關詳細資訊，請參閱 https://ieeexplore.ieee.org/document/1163711 中的方程式 (4)。此屬性僅在模式為「立方」時有效。

• 排除外部 - INT (預設為 '0')

  如果設為 1，則張量外部的取樣位置的權重將設為 0，並且權重將重新正規化，使其總和為 1.0。預設值為 0。

• 外推值 - FLOAT (預設為 '0.0')

  當 coordinate_transformation_mode 為「tf_crop_and_resize」且 x_original 在範圍 [0, length_original - 1] 之外時，此值用作對應的輸出值。預設值為 0.0f。

• 保持長寬比政策 - STRING (預設為 'stretch')

  此屬性描述如何解釋 sizes 輸入，以保持輸入的原始長寬比，並且當使用 scales 輸入時，此屬性不適用。

  給定一組 sizes，與 axes 的子集（明確提供或預設）關聯，並假設 d = axes[i]，其中 i 是提供的 sizes 的索引。

  如果 keep_aspect_ratio_policy 為 "stretch"，則會忽略原始長寬比，並將輸入調整為指定大小：out_size[d] = sizes[i]

  如果 keep_aspect_ratio_policy 為 "not_larger"，則會調整大小，使輸出的任何範圍都不大於指定大小，同時保持原始長寬比

  scale = Min(sizes[i] / in_size[d])
  out_size[d] = round_int(scale * in_size[i])
  

  如果 keep_aspect_ratio_policy 為 "not_smaller"，則會調整大小，使輸出的任何範圍都不小於指定大小，同時保持原始長寬比

  scale = Max(sizes[i] / in_size[d])
  out_size[d] = round_int(scale * in_size[i])
  

  對於不可調整大小的軸（axes 中未指定的軸），輸出大小將等於輸入大小。

  注意：round_int 表示計算最接近的整數值，並將中間值四捨五入。

• 模式 - STRING (預設為 'nearest')

  三種插值模式：「nearest」（預設）、「linear」和「cubic」。「linear」模式包括 1D 張量的線性插值和 N-D 張量的 N 線性插值（例如，2D 張量的雙線性插值）。「cubic」模式包括 1D 張量的立方插值和 N-D 張量的 N 立方插值（例如，2D 張量的雙立方插值）。

• nearest_mode - STRING (預設值為 'round_prefer_floor')

  四種模式：「round_prefer_floor」（預設，又稱向下捨入）、"round_prefer_ceil"（又稱向上捨入）、"floor"、"ceil"。僅用於最近鄰插值。它指示如何從 x_original 取得輸入張量中的「最近」像素，因此此屬性僅在 "mode" 為 "nearest" 時有效。

輸入

介於 1 到 4 個輸入之間。

• X (異質) - T1

  N 維張量

• roi (可選，異質) - T2

  一維張量，表示為 [start1, …, startN, end1, …, endN]，其中 N 是 X 的秩或軸的長度 (如果提供)。RoI 的坐標在輸入影像的坐標系統中正規化。它僅在 coordinate_transformation_mode 為 "tf_crop_and_resize" 時生效

• scales (可選，異質) - tensor(float)

  沿每個維度的縮放比例陣列。其值必須大於 0。如果小於 1，則為降採樣；否則，則為升採樣。「scales」的元素數量應與輸入「X」的秩或「axes」的長度 (如果提供) 相同。「scales」和「sizes」必須指定其中一個，如果兩者都指定，則會發生錯誤。如果需要「sizes」，使用者可以在此運算子的輸入清單中使用空字串作為「scales」的名稱。

• sizes (可選，異質) - tensor(int64)

  輸出張量的目標大小。其解釋取決於「keep_aspect_ratio_policy」的值。「sizes」的元素數量應與輸入「X」的秩或「axes」的長度 (如果提供) 相同。只能指定「scales」和「sizes」其中一個。

輸出

• Y (異質) - T1

  調整大小後的 N 維張量

類型約束

• T1 in ( tensor(bfloat16), tensor(bool), tensor(complex128), tensor(complex64), tensor(double), tensor(float), tensor(float16), tensor(int16), tensor(int32), tensor(int64), tensor(int8), tensor(string), tensor(uint16), tensor(uint32), tensor(uint64), tensor(uint8) )

  約束輸入 'X' 和輸出 'Y' 為所有張量類型。

• T2 in ( tensor(double), tensor(float), tensor(float16) )

  約束 roi 類型為 float 或 double。

• Resize - 18 vs 19

Resize - 18

版本

• 名稱: Resize (GitHub)

• 網域: main

• since_version: 18

• function: False

• 支援等級: SupportType.COMMON

• 形狀推斷: True

此版本的運算子自 版本 18 開始提供。

摘要

調整輸入張量的大小。一般而言，它將輸出張量中的每個值計算為輸入張量中鄰域（又稱取樣位置）的加權平均值。輸出張量的每個維度值為
output_dimension = floor(input_dimension * (roi_end - roi_start) * scale)
如果未指定輸入「大小」。

屬性

• 抗鋸齒 - INT (預設為 '0')

  如果設為 1，「線性」和「立方」插值模式在縮小時將使用抗鋸齒濾波器。抗鋸齒是通過將重採樣濾波器拉伸一個因子 max(1, 1 / scale) 來實現的，這意味著在縮小時，更多輸入像素有助於輸出像素。

• axes - INTS :

  如果提供，則指定「roi」、「scales」和「sizes」所指的軸子集。如果未提供，則假定所有軸為 [0, 1, …, r-1]，其中 r = rank(data)。未指定的維度被解釋為不可調整大小。負值表示從後方計算維度。接受的範圍為 [-r, r-1]，其中 r = rank(data)。如果重複軸，則行為未定義。

• 坐標轉換模式 - STRING (預設為 'half_pixel')

  此屬性描述如何將調整大小後的張量中的坐標轉換為原始張量中的坐標。
  

  每個維度的座標會個別轉換。讓我們以軸 x 為例說明一種情況。將 x_resized 表示為調整大小的張量中軸 x 的坐標，x_original 表示為原始張量中軸 x 的坐標，length_original 表示為原始張量在軸 x 中的長度，length_resized 表示為調整大小的張量在軸 x 中的長度，roi_x = (start_x, end_x) 表示輸入「roi」中軸 x 的範圍，scale = length_resized / length_original，
  

  如果 coordinate_transformation_mode 為 "half_pixel"，
  x_original = (x_resized + 0.5) / scale - 0.5
  

  如果 coordinate_transformation_mode 為 "pytorch_half_pixel"，
  x_original = length_resized > 1 ? (x_resized + 0.5) / scale - 0.5 : 0
  

  如果 coordinate_transformation_mode 為 "align_corners"，
  x_original = x_resized * (length_original - 1) / (length_resized - 1)
  

  如果 coordinate_transformation_mode 為 "asymmetric"，
  x_original = x_resized / scale
  

  如果 coordinate_transformation_mode 為 "tf_crop_and_resize"，
  x_original = length_resized > 1 ? start_x * (length_original - 1) + x_resized * (end_x - start_x) * (length_original - 1) / (length_resized - 1) : 0.5 * (start_x + end_x) * (length_original - 1) .

• 立方係數 a - FLOAT (預設為 '-0.75')

  立方插值中使用的係數「a」。兩個常見的選擇是 -0.5（在 TensorFlow 的某些情況下）和 -0.75（在 PyTorch 中）。有關詳細資訊，請參閱 https://ieeexplore.ieee.org/document/1163711 中的方程式 (4)。此屬性僅在模式為「立方」時有效。

• 排除外部 - INT (預設為 '0')

  如果設為 1，則張量外部的取樣位置的權重將設為 0，並且權重將重新正規化，使其總和為 1.0。預設值為 0。

• 外推值 - FLOAT (預設為 '0.0')

  當 coordinate_transformation_mode 為「tf_crop_and_resize」且 x_original 在範圍 [0, length_original - 1] 之外時，此值用作對應的輸出值。預設值為 0.0f。

• 保持長寬比政策 - STRING (預設為 'stretch')

  此屬性描述如何解釋 sizes 輸入，以保持輸入的原始長寬比，並且當使用 scales 輸入時，此屬性不適用。
  

  給定一組 sizes，與 axes 的子集（明確提供或預設）關聯，並假設 d = axes[i]，其中 i 是提供的 sizes 的索引。
  

  如果 keep_aspect_ratio_policy 為 "stretch"，則會忽略原始長寬比，並將輸入調整為指定的大小
  out_size[d] = sizes[i]
  

  如果 keep_aspect_ratio_policy 為 "not_larger"，則會調整大小，使輸出的任何範圍都不大於指定大小，同時保持原始長寬比
  scale = Min(sizes[i] / in_size[d])
out_size[d] = round_int(scale * in_size[i])
  

  如果 keep_aspect_ratio_policy 為 "not_smaller"，則會調整大小，使輸出的任何範圍都不小於指定大小，同時保持原始長寬比
  scale = Max(sizes[i] / in_size[d])
out_size[d] = round_int(scale * in_size[i])
  

  對於不可調整大小的軸（axes 中未指定的軸），輸出大小將等於輸入大小。

  注意：round_int 表示計算最接近的整數值，並將中間值四捨五入。

• 模式 - STRING (預設為 'nearest')

  三種插值模式：「nearest」（預設）、「linear」和「cubic」。「linear」模式包括 1D 張量的線性插值和 N-D 張量的 N 線性插值（例如，2D 張量的雙線性插值）。「cubic」模式包括 1D 張量的立方插值和 N-D 張量的 N 立方插值（例如，2D 張量的雙立方插值）。

• nearest_mode - STRING (預設值為 'round_prefer_floor')

  四種模式：「round_prefer_floor」（預設，又稱向下捨入）、"round_prefer_ceil"（又稱向上捨入）、"floor"、"ceil"。僅用於最近鄰插值。它指示如何從 x_original 取得輸入張量中的「最近」像素，因此此屬性僅在 "mode" 為 "nearest" 時有效。

輸入

介於 1 到 4 個輸入之間。

• X (異質) - T1

  N 維張量

• roi (可選，異質) - T2

  一維張量，表示為 [start1, …, startN, end1, …, endN]，其中 N 是 X 的秩或軸的長度 (如果提供)。RoI 的坐標在輸入影像的坐標系統中正規化。它僅在 coordinate_transformation_mode 為 "tf_crop_and_resize" 時生效

• scales (可選，異質) - tensor(float)

  沿每個維度的縮放比例陣列。其值必須大於 0。如果小於 1，則為降採樣；否則，則為升採樣。「scales」的元素數量應與輸入「X」的秩或「axes」的長度 (如果提供) 相同。「scales」和「sizes」必須指定其中一個，如果兩者都指定，則會發生錯誤。如果需要「sizes」，使用者可以在此運算子的輸入清單中使用空字串作為「scales」的名稱。

• sizes (可選，異質) - tensor(int64)

  輸出張量的目標大小。其解釋取決於「keep_aspect_ratio_policy」的值。「sizes」的元素數量應與輸入「X」的秩或「axes」的長度 (如果提供) 相同。只能指定「scales」和「sizes」其中一個。

輸出

• Y (異質) - T1

  調整大小後的 N 維張量

類型約束

• T1 in ( tensor(bfloat16), tensor(bool), tensor(complex128), tensor(complex64), tensor(double), tensor(float), tensor(float16), tensor(int16), tensor(int32), tensor(int64), tensor(int8), tensor(string), tensor(uint16), tensor(uint32), tensor(uint64), tensor(uint8) )

  約束輸入 'X' 和輸出 'Y' 為所有張量類型。

• T2 in ( tensor(double), tensor(float), tensor(float16) )

  約束 roi 類型為 float 或 double。

• Resize - 13 vs 19
• Resize - 13 vs 18

Resize - 13

版本

• 名稱: Resize (GitHub)

• 網域: main

• since_version: 13

• function: False

• 支援等級: SupportType.COMMON

• 形狀推斷: True

此版本的運算子自 版本 13 開始提供。

摘要

調整輸入張量的大小。一般來說，它會將輸出張量中的每個值計算為輸入張量中鄰域（又稱採樣位置）的加權平均值。如果未指定輸入「sizes」，則輸出張量的每個維度值為：output_dimension = floor(input_dimension * (roi_end - roi_start) * scale)。

屬性

• 坐標轉換模式 - STRING (預設為 'half_pixel')

  此屬性描述如何將調整大小後的張量中的坐標轉換為原始張量中的坐標。
  

  每個維度的座標會個別轉換。讓我們以軸 x 為例說明一種情況。將 x_resized 表示為調整大小的張量中軸 x 的坐標，x_original 表示為原始張量中軸 x 的坐標，length_original 表示為原始張量在軸 x 中的長度，length_resized 表示為調整大小的張量在軸 x 中的長度，roi_x = (start_x, end_x) 表示輸入「roi」中軸 x 的範圍，scale = length_resized / length_original，
  

  如果 coordinate_transformation_mode 為 “half_pixel”，
  x_original = (x_resized + 0.5) / scale - 0.5,
  

  如果 coordinate_transformation_mode 為 “pytorch_half_pixel”，
  x_original = length_resized > 1 ? (x_resized + 0.5) / scale - 0.5 : 0,
  

  如果 coordinate_transformation_mode 為 “align_corners”，
  x_original = x_resized * (length_original - 1) / (length_resized - 1),
  

  如果 coordinate_transformation_mode 為 “asymmetric”，
  x_original = x_resized / scale,
  

  如果 coordinate_transformation_mode 為 “tf_crop_and_resize”，
  x_original = length_resized > 1 ? start_x * (length_original - 1) + x_resized * (end_x - start_x) * (length_original - 1) / (length_resized - 1) : 0.5 * (start_x + end_x) * (length_original - 1)。

• 立方係數 a - FLOAT (預設為 '-0.75')

  立方插值中使用的係數「a」。兩個常見的選擇是 -0.5（在 TensorFlow 的某些情況下）和 -0.75（在 PyTorch 中）。請查看 https://ieeexplore.ieee.org/document/1163711 中的公式 (4) 以了解詳細資訊。此屬性僅在 "mode" 為 "cubic" 時有效。

• 排除外部 - INT (預設為 '0')

  如果設為 1，則張量外部的取樣位置的權重將設為 0，並且權重將重新正規化，使其總和為 1.0。預設值為 0。

• 外推值 - FLOAT (預設為 '0.0')

  當 coordinate_transformation_mode 為「tf_crop_and_resize」且 x_original 在範圍 [0, length_original - 1] 之外時，此值用作對應的輸出值。預設值為 0.0f。

• 模式 - STRING (預設為 'nearest')

  三種插值模式：nearest（預設）、linear 和 cubic。“linear” 模式包括一維張量的線性插值和 N 維張量的 N 線性插值（例如，二維張量的雙線性插值）。“cubic” 模式包括一維張量的立方插值和 N 維張量的 N 立方插值（例如，二維張量的雙三次插值）。

• nearest_mode - STRING (預設值為 'round_prefer_floor')

  四種模式：round_prefer_floor（預設，又稱向下捨入）、round_prefer_ceil（又稱向上捨入）、floor、ceil。僅用於最近鄰插值。它指示如何從 x_original 取得輸入張量中的「最近」像素，因此此屬性僅在 "mode" 為 "nearest" 時有效。

輸入

介於 1 到 4 個輸入之間。

• X (異質) - T1

  N 維張量

• roi (可選，異質) - T2

  一維張量，表示為 [start1, …, startN, end1, …, endN]，其中 N 是 X 的秩。RoI 的坐標在輸入影像的坐標系統中正規化。它僅在 coordinate_transformation_mode 為 "tf_crop_and_resize" 時生效

• scales (可選，異質) - tensor(float)

  沿每個維度的縮放比例陣列。其值必須大於 0。如果小於 1，則為降採樣；否則，則為升採樣。「scales」的元素數量應與輸入「X」的秩相同。「scales」和「sizes」必須指定其中一個，如果兩者都指定，則會發生錯誤。如果需要「sizes」，使用者可以在此運算子的輸入清單中使用空字串作為「scales」的名稱。

• sizes (可選，異質) - tensor(int64)

  輸出張量的大小。「sizes」的元素數量應與輸入「X」的秩相同。只能指定「scales」和「sizes」其中一個。

輸出

• Y (異質) - T1

  調整大小後的 N 維張量

類型約束

• T1 in ( tensor(bfloat16), tensor(bool), tensor(complex128), tensor(complex64), tensor(double), tensor(float), tensor(float16), tensor(int16), tensor(int32), tensor(int64), tensor(int8), tensor(string), tensor(uint16), tensor(uint32), tensor(uint64), tensor(uint8) )

  約束輸入 'X' 和輸出 'Y' 為所有張量類型。

• T2 in ( tensor(double), tensor(float), tensor(float16) )

  約束 roi 類型為 float 或 double。

• Resize - 11 vs 19
• Resize - 11 vs 18
• Resize - 11 vs 13

Resize - 11

版本

• 名稱: Resize (GitHub)

• 網域: main

• since_version: 11

• function: False

• 支援等級: SupportType.COMMON

• 形狀推斷: True

此版本的運算子自 版本 11 開始提供。

摘要

調整輸入張量的大小。一般來說，它會將輸出張量中的每個值計算為輸入張量中鄰域（又稱採樣位置）的加權平均值。如果未指定輸入「sizes」，則輸出張量的每個維度值為：output_dimension = floor(input_dimension * (roi_end - roi_start) * scale)。

屬性

• 坐標轉換模式 - STRING (預設為 'half_pixel')

  此屬性描述如何將調整大小後的張量中的坐標轉換為原始張量中的坐標。
  

  每個維度的座標會個別轉換。讓我們以軸 x 為例說明一種情況。將 x_resized 表示為調整大小的張量中軸 x 的坐標，x_original 表示為原始張量中軸 x 的坐標，length_original 表示為原始張量在軸 x 中的長度，length_resized 表示為調整大小的張量在軸 x 中的長度，roi_x = (start_x, end_x) 表示輸入「roi」中軸 x 的範圍，scale = length_resized / length_original，
  

  如果 coordinate_transformation_mode 為 “half_pixel”，
  x_original = (x_resized + 0.5) / scale - 0.5,
  

  如果 coordinate_transformation_mode 為 “pytorch_half_pixel”，
  x_original = length_resized > 1 ? (x_resized + 0.5) / scale - 0.5 : 0,
  

  如果 coordinate_transformation_mode 為 “align_corners”，
  x_original = x_resized * (length_original - 1) / (length_resized - 1),
  

  如果 coordinate_transformation_mode 為 “asymmetric”，
  x_original = x_resized / scale,
  

  如果 coordinate_transformation_mode 為 “tf_half_pixel_for_nn”，
  x_original = (x_resized + 0.5) / scale,
  

  如果 coordinate_transformation_mode 為 “tf_crop_and_resize”，
  x_original = length_resized > 1 ? start_x * (length_original - 1) + x_resized * (end_x - start_x) * (length_original - 1) / (length_resized - 1) : 0.5 * (start_x + end_x) * (length_original - 1)。

• 立方係數 a - FLOAT (預設為 '-0.75')

  立方插值中使用的係數「a」。兩個常見的選擇是 -0.5（在 TensorFlow 的某些情況下）和 -0.75（在 PyTorch 中）。請查看 https://ieeexplore.ieee.org/document/1163711 中的公式 (4) 以了解詳細資訊。此屬性僅在 "mode" 為 "cubic" 時有效。

• 排除外部 - INT (預設為 '0')

  如果設為 1，則張量外部的取樣位置的權重將設為 0，並且權重將重新正規化，使其總和為 1.0。預設值為 0。

• 外推值 - FLOAT (預設為 '0.0')

  當 coordinate_transformation_mode 為「tf_crop_and_resize」且 x_original 在範圍 [0, length_original - 1] 之外時，此值用作對應的輸出值。預設值為 0.0f。

• 模式 - STRING (預設為 'nearest')

  三種插值模式：nearest（預設）、linear 和 cubic。“linear” 模式包括一維張量的線性插值和 N 維張量的 N 線性插值（例如，二維張量的雙線性插值）。“cubic” 模式包括一維張量的立方插值和 N 維張量的 N 立方插值（例如，二維張量的雙三次插值）。

• nearest_mode - STRING (預設值為 'round_prefer_floor')

  四種模式：round_prefer_floor（預設，又稱向下捨入）、round_prefer_ceil（又稱向上捨入）、floor、ceil。僅用於最近鄰插值。它指示如何從 x_original 取得輸入張量中的「最近」像素，因此此屬性僅在 "mode" 為 "nearest" 時有效。

輸入

介於 3 到 4 個輸入之間。

• X (異質) - T1

  N 維張量

• roi (異質) - T2

  一維張量，表示為 [start1, …, startN, end1, …, endN]，其中 N 是 X 的秩。RoI 的坐標在輸入影像的坐標系統中正規化。它僅在 coordinate_transformation_mode 為 "tf_crop_and_resize" 時生效

• scales (異質) - tensor(float)

  沿著每個維度的縮放比例陣列。其值必須大於 0。如果小於 1，則為縮減取樣，否則為放大取樣。 ‘scales’ 的元素數量應與輸入 ‘X’ 的秩相同。如果需要 ‘size’，使用者必須將 ‘scales’ 設定為空張量。

• sizes (可選，異質) - tensor(int64)

  輸出張量的大小。 ‘sizes’ 的元素數量應與輸入 ‘X’ 的秩相同。僅當 ‘scales’ 設定為空張量時才可設定。

輸出

• Y (異質) - T1

  調整大小後的 N 維張量

類型約束

• T1 屬於 ( tensor(bool), tensor(complex128), tensor(complex64), tensor(double), tensor(float), tensor(float16), tensor(int16), tensor(int32), tensor(int64), tensor(int8), tensor(string), tensor(uint16), tensor(uint32), tensor(uint64), tensor(uint8) )

  約束輸入 'X' 和輸出 'Y' 為所有張量類型。

• T2 in ( tensor(double), tensor(float), tensor(float16) )

  約束 roi 類型為 float 或 double。

• Resize - 10 vs 19
• Resize - 10 vs 18
• Resize - 10 vs 13
• Resize - 10 vs 11

調整大小 - 10

版本

• 名稱: Resize (GitHub)

• 網域: main

• since_version: 10

• function: False

• 支援等級: SupportType.COMMON

• 形狀推斷: True

此運算子的版本自版本 10 開始提供。

摘要

調整輸入張量的大小。輸出張量的每個維度值為：output_dimension = floor(input_dimension * scale)。

屬性

• 模式 - STRING (預設為 'nearest')

  兩種內插模式：最近鄰（預設）和線性（包括雙線性、三線性等）。

輸入

• X（異質） - T

  N 維張量

• scales (異質) - tensor(float)

  沿著每個維度的縮放比例陣列。其值必須大於 0。如果小於 1，則為縮減取樣，否則為放大取樣。 ‘scales’ 的元素數量應與輸入 ‘X’ 的秩相同。

輸出

• Y（異質） - T

  調整大小後的 N 維張量

類型約束

• T 屬於 ( tensor(bool), tensor(complex128), tensor(complex64), tensor(double), tensor(float), tensor(float16), tensor(int16), tensor(int32), tensor(int64), tensor(int8), tensor(string), tensor(uint16), tensor(uint32), tensor(uint64), tensor(uint8) )

  約束輸入 'X' 和輸出 'Y' 為所有張量類型。