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。

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”。

  • 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,dtype为float16或者float32,shape为 \((N, C, H_{in}, W_{in})\)

  • 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 \((N, C, H_{out}, W_{out})\)

异常:
  • TypeError - 如果 input_x 或者 grid 不是一个Tensor。

  • TypeError - 如果 input_xgrid 的dtype不兼容。

  • TypeError - 如果 input_x 或者 grid 的dtype无效。

  • TypeError - 如果 align_corners 不是一个布尔值。

  • ValueError - 如果 input_x 或者 grid 的维度不等于4。

  • ValueError - 如果 input_x 的第一根轴和 grid 的不相等。

  • ValueError - 如果 grid 的第四根轴不等于2。

  • ValueError - 如果 interpolation_mode 不是”bilinear”或者”nearest”的字符串。

  • ValueError - 如果 padding_mode 不是”zeros”、”border”、”reflection”的字符串。

支持平台:

Ascend GPU CPU

样例:

>>> 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.   ]]]]