grid_sampler¶

paddle.fluid.layers. grid_sampler ( x, grid, name=None ) [源代码] ¶

基于 flow field 网格的对输入 X 进行双线性插值采样。网格通常由 affine_grid 生成，当输入 X 为 4 维时，网格 shape 为[N, H, W, 2]，是 shape 为[N, H, W]的采样点张量的(x, y)坐标。其中，x 坐标是对输入数据 X 的第四个维度(宽度维度)的索引，y 坐标是第三维度(高维度)的索引，最终输出采样值为采样点的 4 个最接近的角点的双线性插值结果，输出张量的 shape 为[N, C, H, W]。当输入 X 为 5 维时，网格 shape 为[N, D, H, W, 3]，是 shape 为[N, D, H, W]的采样点张量的(x, y, z)坐标。其中，x 坐标是对输入数据 X 的第五个维度(宽度维度)的索引，y 坐标是第四维度 (高度维度)的索引，z 坐标是第三个维度(深度维度)的索引，最终输出采样值为采样点的 8 个最接近的角点的双线性插值结果，输出张量的 shape 为[N, C, D, H, W]。

step 1：

得到(x, y)网格坐标，缩放到[0,h -1/W-1]

         grid_x = 0.5 * (grid[:, :, :, 0] + 1) * (W - 1) grid_y = 0.5 * (grid[:, :, :, 1] + 1) * (H - 1)

        

step 2：

在每个[H, W]区域用网格(X, y)作为输入数据 X 的索引，并将双线性插值点值由 4 个最近的点表示。

           wn ------- y_n ------- en
  |           |           |
  |          d_n          |
  |           |           |
 x_w --d_w-- grid--d_e-- x_e
  |           |           |
  |          d_s          |
  |           |           |
  ws ------- y_s ------- wn

x_w = floor(x)              // west side x coord
x_e = x_w + 1               // east side x coord
y_n = floor(y)              // north side y coord
y_s = y_s + 1               // south side y coord
d_w = grid_x - x_w          // distance to west side
d_e = x_e - grid_x          // distance to east side
d_n = grid_y - y_n          // distance to north side
d_s = y_s - grid_y          // distance to south side
wn = X[:, :, y_n, x_w]      // north-west point value
en = X[:, :, y_n, x_e]      // north-east point value
ws = X[:, :, y_s, x_w]      // south-east point value
es = X[:, :, y_s, x_w]      // north-east point value


output = wn * d_e * d_s + en * d_w * d_s
       + ws * d_e * d_n + es * d_w * d_n

        

参数¶

x (Variable)：输入张量，维度为 \([N, C, H, W]\) 的 4-D Tensor 或维度为 \([N, C, D, H, W]\) 的 5-D Tensor，N 为批尺寸，C 是通道数，D 是特征深度，H 是特征高度，W 是特征宽度，数据类型为 float32 或 float64。

grid (Variable)：输入网格数据张量，维度为 \([N, H, W, 2]\) 的 4-D Tensor 或维度为 \([N, D, H, W, 3]\) 的 5-D Tensor，N 为批尺寸，C 是通道数，D 是特征深度， H 是特征高度，W 是特征宽度，数据类型为 float32 或 float64。

name (str，可选) - 具体用法请参见 Name，一般无需设置，默认值为 None。

返回¶

Variable(Tensor)：输入 X 基于输入网格的双线性插值计算结果，维度为 \([N, C, H, W]\) 的 4-D Tensor 或维度为 \([N, C, D, H, W]\) 的 5-D Tensor

返回类型¶

变量(Variable)，数据类型与 x 一致

代码示例¶

          import paddle
import paddle.fluid as fluid

paddle.enable_static()

# 一般与 affine_grid 组合使用
x = paddle.static.data(name='x', shape=[3, 10, 32, 32], dtype='float32')
theta = paddle.static.data(name='theta', shape=[2, 2, 3], dtype='float32')
grid = paddle.nn.functional.affine_grid(theta=theta, out_shape=[3, 10, 32, 32])
out = paddle.nn.functional.grid_sample(x=x, grid=grid)

         