如何构建支持自动微分的PyTorch图像张量缩放模块？

你遇到的问题本质是**ToPILImage会中断梯度流**：因为它需要将张量转换为numpy数组，而带有requires_grad=True的张量无法直接调用.numpy()（必须先detach()），这就切断了反向传播的路径。

要实现和torchvision.transforms.Resize功能一致且支持自动求导的图像缩放，完全不需要借助PIL，直接用PyTorch原生的torch.nn.functional.interpolate函数即可——它全程在张量上操作，完美兼容autograd。

替代方案：使用F.interpolate实现可微分缩放 #

torch.nn.functional.interpolate支持多种插值模式（和Resize的选项对应），默认的双线性插值（mode='bilinear'）和torchvision.transforms.Resize的默认行为一致。以下是完整的可运行示例：

import torch
import torch.nn.functional as F

def differentiable_resize(input_tensor, target_size):
    # input_tensor: 形状为[C, H, W]的张量
    # target_size: 目标尺寸，格式为(目标高度, 目标宽度)
    # 添加batch维度，因为interpolate默认处理4D张量[B, C, H, W]
    input_batch = input_tensor.unsqueeze(0)
    resized_batch = F.interpolate(
        input_batch,
        size=target_size,
        mode='bilinear',
        align_corners=False  # 该参数与torchvision.Resize的默认行为匹配
    )
    # 移除batch维度，返回[C, H, W]格式的张量
    return resized_batch.squeeze(0)

# 测试代码
test = torch.randn(3, 300, 300, requires_grad=True)
resized = differentiable_resize(test, (200, 200))

# 反向传播测试
resized.sum().backward()
print(test.grad is not None)  # 输出True，说明梯度已成功计算
print(test.grad.shape)        # 输出torch.Size([3, 300, 300])，和输入形状一致

关键细节说明 #

• 维度处理：F.interpolate默认接受4D张量（批量数据），所以我们先给输入的3D张量添加一个batch维度（.unsqueeze(0)），处理完再移除（.squeeze(0)）。
• 插值模式匹配：torchvision.transforms.Resize在处理图像时，默认使用双线性插值（当输入是3通道图像时），所以我们设置mode='bilinear'。
• align_corners参数：设置为False可以和torchvision.Resize的插值行为保持一致，避免因为对齐方式不同导致输出结果的细微差异。

为什么这个方法可行？ #

和ToPILImage+Resize的流程不同，F.interpolate完全基于PyTorch的张量运算实现，所有操作都被autograd追踪，因此反向传播时可以正常计算梯度，不会出现中断的问题。

内容的提问来源于stack exchange，提问作者Lotayou