PyTorch中g(shù)rid_sample的使用及說明
關(guān)于grid_sample的使用
grid_sample底層是應(yīng)用雙線性插值，把輸入的tensor轉(zhuǎn)換為指定大小。
那它和interpolate有啥區(qū)別呢？
interpolate是規(guī)則采樣（uniform)，但是grid_sample的轉(zhuǎn)換方式，內(nèi)部采點(diǎn)的方式并不是規(guī)則的，是一種更為靈活的方式。
torch.nn.functional.grid_sample(input, grid, mode=‘bilinear', padding_mode=‘zeros')
input：輸入tensor， shape為 [N, C, H_in, W_in]grid：一個(gè)field flow， shape為[N, H_out, W_out, 2]，最后一個(gè)維度是每個(gè)grid（H_out_i, W_out_i)在input的哪個(gè)位置的鄰域去采點(diǎn)。數(shù)值范圍被歸一化到[-1,1]。
下面將介紹具體的例子
import torch from torch.nn import functional as F inp = torch.ones(1, 1, 4, 4) # 目的是得到一個(gè) 長寬為20的tensor out_h = 20 out_w = 20 # grid的生成方式等價(jià)于用mesh_grid new_h = torch.linspace(-1, 1, out_h).view(-1, 1).repeat(1, out_w) new_w = torch.linspace(-1, 1, out_w).repeat(out_h, 1) grid = torch.cat((new_h.unsqueeze(2), new_w.unsqueeze(2)), dim=2) grid = grid.unsqueeze(0) outp = F.grid_sample(inp, grid=grid, mode='bilinear') print(outp.shape) #torch.Size([1, 1, 20, 20])
在上面的例子中，我們將一個(gè)大小為4x4的tensor 轉(zhuǎn)換為了一個(gè)20x20的。
grid的大小指定了輸出大小，每個(gè)grid的位置是一個(gè)（x,y）坐標(biāo)，其值來自于：輸入input的（x，y）中 的四鄰域插值得到的。
圖片來自于SFnet（eccv2020）。flow field是grid， low_resolution是input， high resolution是output。
至于grid的值是控制在-1，1的。那如何對應(yīng)在input上呢。
這個(gè)來看一下pytorch的底層源碼。
第66行到71行，獲取到了grid的x和y，之后對其做了新的變換，變到input的坐標(biāo)系下了。
IW和IH是input的寬和高。
real ix = THTensor_fastGet4d(grid, n, h, w, 0);
real iy = THTensor_fastGet4d(grid, n, h, w, 1);
// normalize ix, iy from [-1, 1] to [0, IH-1] & [0, IW-1]
ix = ((ix + 1) / 2) * (IW-1);
iy = ((iy + 1) / 2) * (IH-1);torch.nn.functional.grid_sample() 注意點(diǎn)
用法： 主要用于采樣，一般是使用bilinear根據(jù)grid的坐標(biāo)采樣
F.grid_sample(img, grid, align_corners=True)
img是采樣的空間，grid是生成的網(wǎng)格坐標(biāo)。grid通常由torch.meshgrid()生成，且要映射到(-1，1)之間，如：
dx = torch.linspace(-1,1, 9) dy = torch.linspace(-1, 1,7) coords = torch.stack(torch.meshgrid(dy, dx), axis=-1) ? #[dy*dx*2]
輸入輸出情況：
假如是4D 的input：
img.shape : [B,C,H_in,W_in] grid.shape: [B,H_out,W_out,2] out: [B,C,H_out,W_out]
細(xì)節(jié)
1.為什么meshgrid生成坐標(biāo)的時(shí)候，stack成coords時(shí)需要逆序(第一層是y，第二層是x)？
Ans：采樣的時(shí)候，在img上取點(diǎn)，坐標(biāo)是根據(jù)grid來的，grid[:,:,0]是W維度的坐標(biāo)，grid[:,:,1]是H維度的坐標(biāo)，所以這個(gè)地方需要注意，是反過來的
2.grid的形狀僅僅影響output的形狀，直接決定取點(diǎn)的還是坐標(biāo)，所以尤其要注意grid坐標(biāo)疊。
總結(jié)
以上為個(gè)人經(jīng)驗(yàn)，希望能給大家一個(gè)參考，也希望大家多多支持腳本之家。
相關(guān)文章
零基礎(chǔ)寫python爬蟲之爬蟲的定義及URL構(gòu)成
俗話說工欲善其事必先利其器，作為本系列文章的第一篇，我們同樣也需要先利其器，先把爬蟲的定義以及寫爬蟲所需要的基礎(chǔ)知識(shí)先介紹給大家。2014-11-11
這篇文章主要給大家介紹了關(guān)于python打印直角三角形與等腰三角形的相關(guān)資料，文中通過示例代碼介紹的非常詳細(xì)，對大家的學(xué)習(xí)或者使用python具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面來一起學(xué)習(xí)學(xué)習(xí)吧2019-10-10
教你在Excel中調(diào)用Python腳本實(shí)現(xiàn)數(shù)據(jù)自動(dòng)化處理的方法
Excel是全世界最流行的編程語言，Excel已經(jīng)可以實(shí)現(xiàn)編程語言的算法，因此它是具備圖靈完備性的，和JavaScript、Java、Python一樣，今天通過本文給大家介紹下Python數(shù)據(jù)自動(dòng)化處理的相關(guān)知識(shí)，感興趣的朋友一起看看吧2022-02-02
np.argmax是用于取得數(shù)組中每一行或者每一列的的最大值,常用于機(jī)器學(xué)習(xí)中獲取分類結(jié)果、計(jì)算精確度等,下面這篇文章主要給大家介紹了關(guān)于Python中np.argmax()函數(shù)用法的相關(guān)資料,需要的朋友可以參考下2022-12-12
這篇文章主要介紹了Python中閉包與lambda的作用域解析，具有很好的參考價(jià)值，希望對大家有所幫助。如有錯(cuò)誤或未考慮完全的地方，望不吝賜教2022-07-07
Python自動(dòng)化辦公之定時(shí)發(fā)送郵件的實(shí)現(xiàn)
python中的schedule模塊可以使我們方便簡單的使用定時(shí)任務(wù)，即在特定的時(shí)間自動(dòng)的執(zhí)行一些任務(wù)的功能，本文將用這一模塊實(shí)現(xiàn)郵件自動(dòng)發(fā)送，需要的可以參考一下2022-05-05
python實(shí)現(xiàn)人性化顯示金額數(shù)字實(shí)例詳解
在本篇內(nèi)容里小編給大家整理了關(guān)于python實(shí)現(xiàn)人性化顯示金額數(shù)字實(shí)例內(nèi)容，需要的朋友們可以參考下。2020-09-09
解決python3.x安裝numpy成功但import出錯(cuò)的問題
這篇文章主要介紹了解決python3.x安裝numpy成功但import出錯(cuò)的問題,本文給大家介紹的非常詳細(xì)，對大家的學(xué)習(xí)或工作具有一定的參考借鑒價(jià)值，需要的朋友可以參考下2020-11-11
這篇文章主要介紹了python中字典的常見操作總結(jié)，文章圍繞主題展開詳細(xì)的內(nèi)容介紹，具有一定的參考價(jià)值，需要的小伙伴可以參考一下2022-07-07
使用Python字典實(shí)現(xiàn)詞頻統(tǒng)計(jì)的方法
在Python中,利用字典進(jìn)行詞頻統(tǒng)計(jì)是一種常見且強(qiáng)大的方式,通過對文本進(jìn)行預(yù)處理并使用字典數(shù)據(jù)結(jié)構(gòu),可以輕松地統(tǒng)計(jì)文本中每個(gè)單詞出現(xiàn)的頻率,下面將詳細(xì)解釋這個(gè)過程,并提供多種例子,以幫助你更好地理解并應(yīng)用這一技術(shù),需要的朋友可以參考下2023-12-12