Couches de rééchantillonnage (UpSampling2D)

Fonctions :

• UpSampling2D()

  La couche UpSampling2D augmente la résolution spatiale (hauteur et largeur) d’une image ou d’une carte de caractéristiques en répétant les valeurs selon les dimensions spatiales. Elle est utilisée pour restaurer la taille des données dans les réseaux convolutionnels, notamment dans les réseaux génératifs ou les auto-encodeurs.

  Importation :

  from tensorflow.keras.models import Sequential
  from tensorflow.keras.layers import UpSampling2D
  import numpy as np

  Attributs :

  Paramètre	Type	Description	Valeur par défaut
  size	tuple d’int ou int	Facteur d’agrandissement pour les dimensions (hauteur, largeur). Peut être un int unique pour les deux axes ou un tuple.	(2, 2)
  data_format	string	Format des données d'entrée, soit "channels_last" (par défaut, shape: batch, hauteur, largeur, canaux) soit "channels_first" (shape: batch, canaux, hauteur, largeur).	"channels_last"

  Exemple de code :

  📋 Copy

  from tensorflow.keras.models import Sequential
  from tensorflow.keras.layers import UpSampling2D
  import numpy as np
  
  # Données simulées : batch de 1 image, 2x2 pixels, 1 canal
  X = np.array([[[[1], [2]],
                 [[3], [4]]]])
  
  # Modèle avec UpSampling2D
  model = Sequential()
  model.add(UpSampling2D(size=(2, 2), input_shape=(2, 2, 1)))
  
  # Passage des données dans la couche
  output = model.predict(X)
  print(output)

  Explication du code :

  Importation des bibliothèques
   On importe la couche `UpSampling2D` ainsi que les modules nécessaires. 
  Création des données
   Les données représentent un batch avec une image 2x2 pixels et 1 canal. 
  Définition du modèle
   Le modèle contient uniquement la couche `UpSampling2D` avec un facteur d’agrandissement de 2 sur hauteur et largeur. 
  Exécution
   Le passage des données produit une image 4x4 où chaque pixel original est répété 2 fois en hauteur et 2 fois en largeur.