UpsampleBilinear2dGrad

产品支持情况

产品	是否支持
Ascend 950PR/Ascend 950DT	×
Atlas A3 训练系列产品/Atlas A3 推理系列产品	√
Atlas A2 训练系列产品/Atlas A2 推理系列产品	√
Atlas 200I/500 A2 推理产品	√
Atlas 推理系列产品	√
Atlas 训练系列产品	×

功能说明

• 算子功能：对由多个输入通道组成的输入信号应用2D双线性上采样的反向传播。
• 计算公式：

  • 正向的核心算法逻辑：

    1. 将目标图像的每一个点映射回原图，得到一个带小数点的坐标。
    2. 根据这个浮点数坐标，计算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（alignCorners为true）表示按照原始图片左上角像素中心点对齐，边对齐（alignCorners为false）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。对于一个二维插值点$(N,C,H,W)$，则有以下公式：

    $$scale\_h=\{\begin{array}{ll}(inputSize[2]-1)/(outputSize[0]-1)& alignCorners=true\\ 1/scales\_h& alignCorners=false\&scales\_h>0\\ inputSize[2]/outputSize[0]& alignCorners=false\end{array}$$

    $$scale\_w=\{\begin{array}{ll}(inputSize[3]-1)/(outputSize[1]-1)& alignCorners=true\\ 1/scales\_w& alignCorners=false\&scales\_w>0\\ inputSize[3]/outputSize[1]& alignCorners=false\end{array}$$

    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：

    $$x^{\prime }=\{\begin{array}{ll}x\ast scale\_h& alignCorners=true\\ MAX(0,(x+0.5)\ast scale\_h-0.5)& alignCorners=false\end{array}$$

    $$y^{\prime }=\{\begin{array}{ll}y\ast scale\_w& alignCorners=true\\ MAX(0,(y+0.5)\ast scale\_w-0.5)& alignCorners=false\end{array}$$

    • 记：

      $$x_0=int(x^{\prime }),x_1=int(x^{\prime })+1,lambd{a}_0=x_1-x^{\prime },lambd{a}_1=1-lambd{a}_0$$

      $$y_0=int(y^{\prime }),y_1=int(y^{\prime })+1,lambd{b}_0=y_1-y^{\prime },lambd{b}_1=1-lambd{b}_0$$

    • 则有以下公式：

      $$V(p_{x,y})=V(p_{x0,y0})\ast lambd{a}_0\ast lambd{b}_0+V(p_{x0,y1})\ast lambd{a}_0\ast lambd{b}_1+V(p_{x1,y0})\ast lambd{a}_1\ast lambd{b}_0+V(p_{x1,y1})\ast lambd{a}_1\ast lambd{b}_1$$

    • 假设：正向插值的输出图像out $(x,y)$受原图像input $(x_i,y_j)$影响，则有：

      $$gradInput(x_i,y_j)+=gradOutput(x,y)\ast lambda(x_i,y_j)\ast lambdb(x_i,y_j)$$

参数说明

参数名	输入/输出/属性	描述	数据类型	数据格式
grad_output	输入	表示反向计算的梯度Tensor，对应公式中的`gradOutput`。	FLOAT32、FLOAT16、BFLOAT16	ND
output_size	属性	指定输入空间大小，对应公式中的`outputSize`。size为2，且各元素均大于0。表示指定`grad_output`在H和W维度上的空间大小。	LISTINT	-
input_size	属性	指定输出空间大小，对应公式中的`inputSize`。size为4，且各元素均大于零。表示输出`grad_input`分别在N、C、H和W维度上的空间大小。	LISTINT	-
align_corners	可选属性	决定是否对齐角像素点，对应公式中的`alignCorners`。如果设置为true，则输入和输出张量按其角像素的中心点对齐，保留角像素处的值；如果设置为false，则输入和输出张量通过其角像素的角点对齐，并且插值使用边缘值填充用于外界边值。 默认值为false。	BOOL	-
scales_h	可选属性	指定空间大小的height维度乘数，对应公式中的`scales_h`。 默认值为空。	FLOAT32	-
scales_w	可选属性	指定空间大小的width维度乘数，对应公式中的`scales_w`。 默认值为空。	FLOAT32	-
grad_input	输出	表示反向计算的输出张量，对应公式中的`gradInput`。数据类型和数据格式与入参`grad_output`的数据类型和数据格式保持一致。	FLOAT32、FLOAT16、BFLOAT16	ND

Atlas 推理系列产品、Atlas 200I/500 A2 推理产品：输入和输出的数据类型不支持BFLOAT16。

约束说明

无

调用说明

调用方式	样例代码	说明
aclnn接口	test_aclnn_upsample_bilinear2d_grad	通过aclnnUpsampleBilinear2dBackwardV2接口方式调用UpsampleBilinear2dGrad算子。
aclnn接口	test_aclnn_upsample_linear1d_backward	通过aclnnUpsampleLinear1dBackward接口方式调用UpsampleBilinear2dGrad算子。