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.   ]]]]