La cuadrícula de parámetros de la función torch.nn.functional.grid_sample () representa (x, y, z) en el sistema de coordenadas con un rango de [-1, 1]. La relación correspondiente entre las coordenadas y la matriz es:
x -> w, y -> h, z -> d, el código de prueba es el siguiente:
-
import numpy as np -
from torch.nn import functional as F -
import torch -
if __name__ == '__main__': -
d, h, w = 8, 10, 12 -
input = torch.zeros((2, 1, 8, 10, 12), dtype=torch.float32) -
input[:, 0, 2, 3, 4] = 1 -
grid = torch.zeros((2, 1, 1, 1, 3), dtype=torch.float32) -
x, y, z = 4, 3, 2 # 对应input的w, h, d -
# rescale to [-1, 1] -
x = 2. * x / (w - 1) - 1. -
y = 2. * y / (h - 1) - 1. -
z = 2. * z / (d - 1) - 1. -
grid[0, 0, 0, 0, :] = torch.from_numpy(np.array([x, y, z]).astype(np.float32)) -
grid[1, 0, 0, 0, :] = torch.from_numpy(np.array([x, y, z]).astype(np.float32)) -
out = F.grid_sample(input, grid, mode='nearest') -
print(out)
Puedes ver que la salida es:
tensor ([[[[1.]]]],
[[[[1.]]]]])