关于F.grid_sample中的坐标系理解

最新推荐文章于 2025-11-18 11:05:49 发布

原创最新推荐文章于 2025-11-18 11:05:49 发布 · 2.9k 阅读

2 ·

CC 4.0 BY-SA版权

深度学习专栏收录该内容

10 篇文章

订阅专栏

本文详细解析了PyTorch中grid_sample函数的工作原理，重点介绍了如何使用该函数进行坐标转换，并通过实例展示了其在3D张量上的应用过程。

torch.nn.functional.grid_sample()函数的参数grid，表示的是范围为[-1, 1]坐标系下的(x, y, z)，坐标与数组的对应关系是：

x -> w, y -> h, z -> d，测试代码如下：

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)

可以看到输出为：

tensor([[[[[1.]]]],

[[[[1.]]]]])