我有一个大小为[1,32,296,400]的输入张量
我有一个像素集[1, 56000, 400, 2]
使用mode=‘bilinear’ 应用grid_sample 后，我有[1, 32, 56000, 400]
我能知道这里到底发生了什么吗？我知道grid_sample 应该以可区分的方式有效地将像素转换到新位置，但这些尺寸并不能说明发生了什么。
【问题讨论】：
标签： python computer-vision pytorch
如果您的域是图像，我们可以为维度赋予更直观的名称。
您的输入张量是具有c 通道和h 高度和w 宽度的图像批次b。
您的网格是批量b 操作的张量，定义h 高度和w 宽度像素，并且应该对输入中的xy 位置进行采样。
input [b, c, h, w]
grid [b, h, w, xy]
out [b, c, h, w]
【讨论】：
请看grid_sample的文档。
您的输入张量的shape 为 1x32x296x400，也就是说，您在批处理中有一个示例，具有 32 个通道和 296x400 像素的空间尺寸。
此外，您有一个大小为 1x56000x400x2 的“网格”，pytorch 将其解释为空间尺寸为 56000x400 的网格的新位置，其中每个新位置都有 x,y 坐标，可以从中采样新的网格值。因此，“网格”信息的形状为 1x56000x400x2。
正如预期的那样，输出是一个形状为 1x32x56000x400 的 2D 张量：批次和通道尺寸不变，但空间坐标与提供给 grid_sample 的“网格”信息一致。
【讨论】：