本文深入探讨PyTorch中的grid_sample函数，该函数用于根据预定义的坐标对图像进行最近邻、双线性或bicubic采样。输入为4维张量input(N_in,C_in,H_in,W_in)，grid(N_in,H_out,W_out,2)定义采样点。采样在每个通道独立进行，保持通道数不变，但调整大小。align_corners参数影响坐标设置，对采样结果有显著影响。博客提供了详细示例并引用了相关资源。
简而言之，该函数就是可以根据自己定义的坐标，按照指定的采样方式，对一张图进行采样。（采样的方式可以是最近邻的，也可以是双线性的，还有bicubic）
输入要求是4维或5维，我们以4维举例，假设输入为input（N_in,C_in,H_in, W_in)，再定义grid（N_in, H_out, W_out, 2）;grid就是我们要采样的各个点，其最后一个维度2就是坐标， H_out, W_out定义了采样后输出的结果图的大小，最后的输出为output（N_in,C_in,H_out, W_out）
也就是说，采样是在各个通道上单独进行的，比如输入是512个通道，则每一个通道都按照grid的坐标进行采样，所以是不会改变通道数的，但是会改变大小，因为我们把一张图看作是连续的，那么我们可以对其进行无穷尽的采样。
比如：
a为：
grid坐标为：
结果为：
但有个参数要注意，align_corners，它决定了对原图的坐标该怎么设置，这对后面的采样有影响，参考自：pytorch中的grid_sample() (icode9.com)
扫一扫
241
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
