grid_sampler

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

该OP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, 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]。

step 1：

得到(x, y)网格坐标，缩放到[0,h -1/W-1]

  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。

  1.   wn ------- y_n ------- en
  2.   |           |           |
  3.   |          d_n          |
  4.   |           |           |
  5.  x_w --d_w-- grid--d_e-- x_e
  6.   |           |           |
  7.   |          d_s          |
  8.   |           |           |
  9.   ws ------- y_s ------- wn
  11. x_w = floor(x)              // west side x coord
  12. x_e = x_w + 1               // east side x coord
  13. y_n = floor(y)              // north side y coord
  14. y_s = y_s + 1               // south side y coord
  15. d_w = grid_x - x_w          // distance to west side
  16. d_e = x_e - grid_x          // distance to east side
  17. d_n = grid_y - y_n          // distance to north side
  18. d_s = y_s - grid_y          // distance to south side
  19. wn = X[:, :, y_n, x_w]      // north-west point value
  20. en = X[:, :, y_n, x_e]      // north-east point value
  21. ws = X[:, :, y_s, x_w]      // south-east point value
  22. es = X[:, :, y_s, x_w]      // north-east point value
  25. output = wn * d_e * d_s + en * d_w * d_s
  26.        + ws * d_e * d_n + es * d_w * d_n

参数：

  • x (Variable): 输入张量，维度为

    grid_sampler - 图1

    的4-D Tensor，N为批尺寸，C是通道数，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

    grid_sampler - 图2

    的4-D Tensor，N为批尺寸，C是通道数，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：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][N,C,H,W] 的4-D Tensor

返回类型：变量(Variable)，数据类型与 x 一致

代码示例：

  1. import paddle.fluid as fluid
  3. # 一般与 affine_grid 组合使用
  4. x = fluid.data(name='x', shape=[None, 10, 32, 32], dtype='float32')
  5. theta = fluid.layers.data(name='theta', shape=[2, 3], dtype='float32')
  6. grid = fluid.layers.affine_grid(theta=theta, out_shape=[3, 10, 32, 32])
  7. out = fluid.layers.grid_sampler(x=x, grid=grid)