【深入浅出PyTorch】--上采样+下采样
我们来系统地介绍 上采样（Upsampling） 和 下采样（Downsampling） 的概念、作用，以及在 PyTorch 中的实现方式。
目录
1.下采样
1.1.nn.MaxPool2d
1.2.nn.AvgPool2d
1.3.nn.Conv2d
2.上采样
2.1.nn.Upsample
2.2.nn.ConvTranspose2d
1.下采样
🔹 定义
下采样 是指 降低特征图的空间尺寸（高度和宽度），通常用于减少计算量、扩大感受野、提取高层语义信息。
🔹 作用
减少特征图大小，降低内存消耗
扩大感受野（每个神经元"看到"的区域更大）
提取更抽象的语义特征（如物体类别）
常用于编码器（Encoder）中
🔹 常见方法
最大池化（Max Pooling）
平均池化（Average Pooling）
带步长的卷积（Strided Convolution）
1.1. nn.MaxPool2d
原理请看： https://blog.csdn.net/qq_58602552/article/details/148617896?spm=1001.2014.3001.5501
python
复制代码
import torch.nn as nn
import torch
# 最大池化，窗口大小2x2，步长2
pool = nn.MaxPool2d(kernel_size=2, stride=2)
x = torch.randn(1, 3, 224, 224)
x = pool(x) # 输出尺寸减半
print(x.shape)
1.2.nn.AvgPool2d
python
复制代码
import torch.nn as nn
import torch
# 最大池化，窗口大小2x2，步长2
x = torch.randn(1, 3, 224, 224)
pool = nn.AvgPool2d(kernel_size=2, stride=2)
x = pool(x)
print(x.shape)
1.3.nn.Conv2d
python
复制代码
# 使用步长为2的卷积实现下采样
conv_down = nn.Conv2d(in_channels, out_channels, kernel_size=3, stride=2, padding=1)
x = conv_down(x) # 尺寸减半，同时提取特征
2.上采样
🔹 定义：
上采样 是指 增大特征图的空间尺寸（高度和宽度），用于恢复空间分辨率，常用于解码器（Decoder）或分割任务中。
🔹 作用：
恢复图像尺寸（如从 32×32 → 64×64）
与跳跃连接（skip connection）结合，融合细节信息
生成高分辨率输出（如语义分割图）
🔹 常见方法：
插值法（Interpolation）：双线性、双三次等
转置卷积（Transposed Convolution）：也叫反卷积（Deconvolution）
2.1.nn.Upsample
python
复制代码
torch.nn.Upsample(
size=None,
scale_factor=None,
mode='nearest',
align_corners=None,
recompute_scale_factor=None
)
参数名
默认值
说明
可选值示例
size
None
指定输出特征图的目标空间尺寸 。可与 scale_factor 二选一或共用。
64, (128, 128), (32, 64, 64)（3D）
scale_factor
None
指定每个空间维度的放大倍数 。例如 2 表示放大 2 倍。
2, 1.5, (2, 2), (2, 1.5)
mode
'nearest'
插值方法，决定如何"填补"放大后的像素值。不同模式影响输出平滑度。
'nearest', 'bilinear', 'bicubic', 'trilinear'
align_corners
None（等价于 False）
是否对齐输入和输出的角点像素 。在分割任务中建议设为 True。
True, False
recompute_scale_factor
None
是否重新计算 scale_factor（避免插值误差）。如果 size 未指定且 scale_factor 为浮点数，建议设为 True。
True, False
模式
维度
平滑性
速度
适用场景
推荐指数
'nearest'（临近插值）
1D/2D/3D
❌ 粗糙，有锯齿
⚡️ 极快
快速原型、分类任务
⭐⭐☆
'bilinear'（线性插值）
2D
✅ 平滑
快
图像分割、重建、U-Net
⭐⭐⭐⭐
'bicubic'（）
2D
✅✅ 非常平滑
较慢
高质量图像放大
⭐⭐⭐
'trilinear'
3D
✅ 平滑
快
3D 医学图像分割（如 MRI）
⭐⭐⭐⭐
✅ 推荐 ：在语义分割任务中，使用 'bilinear' + align_corners=True
python
复制代码
>>> input = torch.arange(1, 5, dtype=torch.float32).view(1, 1, 2, 2)
>>> input
tensor([[[[ 1., 2.],
[ 3., 4.]]]])
>>> m = nn.Upsample(scale_factor=2, mode='nearest')
>>> m(input)
tensor([[[[ 1., 1., 2., 2.],
[ 1., 1., 2., 2.],
[ 3., 3., 4., 4.],
[ 3., 3., 4., 4.]]]])
>>> m = nn.Upsample(scale_factor=2, mode='bilinear') # align_corners=False
>>> m(input)
tensor([[[[ 1.0000, 1.2500, 1.7500, 2.0000],
[ 1.5000, 1.7500, 2.2500, 2.5000],
[ 2.5000, 2.7500, 3.2500, 3.5000],
[ 3.0000, 3.2500, 3.7500, 4.0000]]]])
>>> m = nn.Upsample(scale_factor=2, mode='bilinear', align_corners=True)
>>> m(input)
tensor([[[[ 1.0000, 1.3333, 1.6667, 2.0000],
[ 1.6667, 2.0000, 2.3333, 2.6667],
[ 2.3333, 2.6667, 3.0000, 3.3333],
[ 3.0000, 3.3333, 3.6667, 4.0000]]]])
>>> # Try scaling the same data in a larger tensor
>>>
>>> input_3x3 = torch.zeros(3, 3).view(1, 1, 3, 3)
>>> input_3x3[:, :, :2, :2].copy_(input)
tensor([[[[ 1., 2.],
[ 3., 4.]]]])
>>> input_3x3
tensor([[[[ 1., 2., 0.],
[ 3., 4., 0.],
[ 0., 0., 0.]]]])
>>> m = nn.Upsample(scale_factor=2, mode='bilinear') # align_corners=False
>>> # Notice that values in top left corner are the same with the small input (except at boundary)
>>> m(input_3x3)
tensor([[[[ 1.0000, 1.2500, 1.7500, 1.5000, 0.5000, 0.0000],
[ 1.5000, 1.7500, 2.2500, 1.8750, 0.6250, 0.0000],
[ 2.5000, 2.7500, 3.2500, 2.6250, 0.8750, 0.0000],
[ 2.2500, 2.4375, 2.8125, 2.2500, 0.7500, 0.0000],
[ 0.7500, 0.8125, 0.9375, 0.7500, 0.2500, 0.0000],
[ 0.0000, 0.0000, 0.0000, 0.0000, 0.0000, 0.0000]]]])
>>> m = nn.Upsample(scale_factor=2, mode='bilinear', align_corners=True)
>>> # Notice that values in top left corner are now changed
>>> m(input_3x3)
tensor([[[[ 1.0000, 1.4000, 1.8000, 1.6000, 0.8000, 0.0000],
[ 1.8000, 2.2000, 2.6000, 2.2400, 1.1200, 0.0000],
[ 2.6000, 3.0000, 3.4000, 2.8800, 1.4400, 0.0000],
[ 2.4000, 2.7200, 3.0400, 2.5600, 1.2800, 0.0000],
[ 1.2000, 1.3600, 1.5200, 1.2800, 0.6400, 0.0000],
[ 0.0000, 0.0000, 0.0000, 0.0000, 0.0000, 0.0000]]]])
2.2.nn.ConvTranspose2d
具体原理： https://blog.csdn.net/qq_58602552/article/details/152280344?spm=1001.2014.3001.5501
（转置卷积）
|----------|-----|----------|----------|-----------|
| 转置卷积 | ✅ 是 | 可学习上采样模式 | 可能出现棋盘伪影 | 精确分割、生成任务 |
python
复制代码
# 转置卷积：将特征图放大2倍，同时学习上采样方式
upconv = nn.ConvTranspose2d(in_channels, out_channels, kernel_size=2, stride=2)
x = upconv(x) # 输出尺寸 ×2
kernel_size=2, stride=2：完美放大2倍
可学习参数，比插值更灵活
但可能产生"棋盘效应"（checkerboard artifacts）