如何在LibTorch中正确使用at::_upsample_nearest_exact2d？

错误原因分析 #

第一个错误：Must specify exactly one of output_size and scale_factors #

at::_upsample_nearest_exact2d函数要求只能指定output_size（目标尺寸）和scale_factors（缩放因子）中的一个参数，不能同时传递两者。原代码同时传入了hw_t和scale_t，违反参数规则触发报错。

第二个错误：Expected static_cast<int64_t>(scale_factors->size()) == spatial_dimensions #

这个错误说明缩放因子的元素数量和输入张量的空间维度数不匹配。PyTorch中2D上采样函数的空间维度数计算为输入张量维度数 - 2：

• 若输入是4D张量（(N, C, H, W)，批量图像），空间维度数为2（对应H和W），需要2个缩放因子
• 若输入是3D张量（(C, H, W)，单张图像），空间维度数为1，不符合2D上采样要求，需先扩展为4D张量
• 原代码还存在维度取值错误：int w = size[0], h = size[1];通常会把通道数或batch数当成宽高，导致后续缩放因子计算错误。

正确解决方案 #

方案一：直接指定目标输出尺寸（推荐，目标尺寸固定为384x384） #

先处理张量维度，确保符合2D上采样要求，再传递目标尺寸：

// 若输入是3D单张图像，先扩展为4D批量格式
if (img_tensor.dim() == 3) {
    img_tensor = img_tensor.unsqueeze(0);
}

// 获取原图像的高和宽（4D张量的第2、3位索引对应H、W）
auto size = img_tensor.sizes();
int h = size[2], w = size[3];

// 指定目标输出的空间尺寸（H=384，W=384）
c10::ArrayRef<int64_t> target_size({384, 384});
img_tensor = at::_upsample_nearest_exact2d(img_tensor, target_size, c10::nullopt);

// 可选：转回3D单张图像格式
if (img_tensor.dim() == 4) {
    img_tensor = img_tensor.squeeze(0);
}

方案二：使用缩放因子 #

同样先调整张量维度，再计算正确的缩放因子：

// 处理3D转4D
if (img_tensor.dim() == 3) {
    img_tensor = img_tensor.unsqueeze(0);
}

auto size = img_tensor.sizes();
int h = size[2], w = size[3];

// 计算高和宽对应的缩放因子
double scale_h = 384.0 / h;
double scale_w = 384.0 / w;
c10::ArrayRef<double> scales({scale_h, scale_w});

img_tensor = at::_upsample_nearest_exact2d(img_tensor, c10::nullopt, scales);

// 可选：转回3D格式
if (img_tensor.dim() == 4) {
    img_tensor = img_tensor.squeeze(0);
}

关键注意点 #

1. 确认张量维度：2D上采样函数要求输入为4D格式，若为3D单张图像需先扩展维度
2. 正确获取宽高：对于(N, C, H, W)格式的张量，宽高对应索引3和2，不要混淆通道、batch与空间维度
3. 参数二选一：始终只传递output_size或scale_factors其中一个参数

内容的提问来源于stack exchange，提问作者FreeToGo