python-3.x - 如何构建一个与 autograd 兼容的 Pytorch 模块，可以像图像一样调整张量的大小？

Question

我想知道是否可以在 Pytorch 中构建一个图像调整大小模块，该模块将 3*H*W 的 torch.tensor 作为输入并返回一个张量作为调整大小的图像。

我知道可以将张量转换为 PIL 图像并使用 torchvision，但我也希望将渐变从调整大小的图像反向传播到原始图像，以下示例将返回此类错误(在 Windows 10 上的 PyTorch 0.4.0 中):

import numpy as np
from torchvision import transforms

t2i = transforms.ToPILImage()
i2t = transforms.ToTensor()

trans = transforms.Compose(
    t2i, transforms.Resize(size=200), i2t]
)

test = np.random.normal(size=[3, 300, 300])
test = torch.tensor(test, requires_grad=True)
resized = trans(test)
resized.backward()

print(test.grad)

Traceback (most recent call last):
  File "D:/Projects/Python/PyTorch/test.py", line 41, in <module>
    main()
  File "D:/Projects/Python/PyTorch/test.py", line 33, in main
    resized = trans(test)
  File "D:\Anaconda3\envs\pytorch\lib\site-packages\torchvision\transforms\transforms.py", line 42, in __call__
    img = t(img)
  File "D:\Anaconda3\envs\pytorch\lib\site-packages\torchvision\transforms\transforms.py", line 103, in __call__
    return F.to_pil_image(pic, self.mode)
  File "D:\Anaconda3\envs\pytorch\lib\site-packages\torchvision\transforms\functional.py", line 102, in to_pil_image
    npimg = np.transpose(pic.numpy(), (1, 2, 0))
RuntimeError: Can't call numpy() on Variable that requires grad. Use var.detach().numpy() instead.

如果不先将张量与 autograd 分离，我似乎无法“调整”张量的大小，但分离它会阻止我计算梯度。

有没有办法构建一个与 autograd 兼容的 torchvision.transforms.Resize 功能相同的 torch 函数/模块？非常感谢任何帮助!

Answer 1

torch.nn.functional.upsample对我有用，ypa!