mindspore.ops.GridSampler2D

class mindspore.ops.GridSampler2D(interpolation_mode='bilinear', padding_mode='zeros', align_corners=False)[源代码]

此操作使用基于流场网格的插值对2D input_x 进行采样，该插值通常由 mindspore.ops.affine_grid() 生成。

警告

这是一个实验性API，后续可能修改或删除。

更多参考详见 mindspore.ops.grid_sample()。

参数：

interpolation_mode (str，可选) - 指定插值方法的可选字符串。可选值为： 'bilinear' 、 'nearest' ，默认值： 'bilinear' 。
- 'nearest'：最近邻插值。每个输出像素的值为最近的输入像素的值。这种方法简单快速，但可能导致块状或像素化的输出。
- 'bilinear'：双线性插值。每个输出像素是最接近的四个输入像素的加权平均值，使用双线性插值计算。与最近邻插值相比，此方法产生更平滑的结果。
padding_mode (str，可选) - 指定填充模式的可选字符串。可选值为： 'zeros' 、 'border' 或者 'reflection' ，默认值： 'zeros' 。当采样grid超出输入Tensor的边界时，各种填充模式效果如下：
- 'zeros' ：使用零填充输入Tensor。
- 'border' ：使用Tensor边缘上像素的值填充输入Tensor。
- 'reflection' ：通过反射Tensor边界处的像素值，并将反射值沿着Tensor的边界向外扩展来填充输入Tensor。
align_corners (bool，可选) - 一个可选bool。如果为 True ，输入和输出Tensor的角像素是对齐的，如果为 False ，则不使用角像素对齐。默认值：False 。

输入：

input_x (Tensor) - 一个4D的Tensor，shape为 \((N, C, H_{in}, W_{in})\) 。支持数据类型：
- Ascend： float16、float32。
- GPU/CPU： float16、float32、float64。
grid (Tensor) - 一个4D的Tensor，dtype和 input_x 相同，shape为 \((N, H_{out}, W_{out}, 2)\) ，用于指定由输入空间维度归一化的采样像素位置。

输出：

一个4-D的Tensor，dtype和 input_x 相同，shape为 \((N, C, H_{out}, W_{out})\) 。

支持平台：

Ascend GPU CPU

样例：

>>> import numpy as np
>>> from mindspore import Tensor, ops
>>> gridsampler = ops.GridSampler2D(interpolation_mode='bilinear', padding_mode='zeros', align_corners=True)
>>> input_x = Tensor(np.arange(16).reshape((2, 2, 2, 2)).astype(np.float32))
>>> grid = Tensor(np.arange(-9, 9, 0.5).reshape((2, 3, 3, 2)).astype(np.float32))
>>> output = gridsampler(input_x, grid)
>>> print(output)
[[[[ 0.     0.     0.   ]
   [ 0.     0.     0.   ]
   [ 0.     0.     0.5  ]]
  [[ 0.     0.     0.   ]
   [ 0.     0.     0.   ]
   [ 0.     1.5    4.5  ]]]
 [[[10.     8.25   1.375]
   [ 0.     0.     0.   ]
   [ 0.     0.     0.   ]]
  [[14.    11.25   1.875]
   [ 0.     0.     0.   ]
   [ 0.     0.     0.   ]]]]