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. ]]]]