torch.nn.ConvTranspose2d上采样4倍的代码

torch.nn.ConvTranspose2d可以用来进行上采样操作，将输入的feature map扩大四倍，其代码如下：

import torch.nn as nn

class Upsample(nn.Module):
    def __init__(self, in_channels, out_channels):
        super(Upsample, self).__init__()
        self.conv = nn.ConvTranspose2d(in_channels, out_channels, kernel_size=4, stride=2, padding=1, bias=False)
        self.bn = nn.BatchNorm2d(out_channels)
        self.relu = nn.ReLU(inplace=True)

    def forward(self, x):
        x = self.conv(x)
        x = self.bn(x)
        x = self.relu(x)
        return x

该代码定义了一个名为Upsample的类，输入参数为in_channels和out_channels，分别表示输入和输出的feature map的通道数。在初始化函数中，使用ConvTranspose2d函数创建了一个上采样的卷积层，并加上了BatchNorm2d和ReLU激活函数。在forward函数中，将输入x经过卷积层、BatchNorm2d和ReLU激活函数，最后输出结果x。