torch.nn.functional.grid_sample和torch.nn.functional.interpolate有什么区别？
torch.nn.functional.grid_sample和torch.nn.functional.interpolate有什么区别？
提问于 2022-05-25 07:31:50
假设我有一个图像，我想通过grid_sample或从torch.nn.functional库中插值，将其分辨率降到一半。我为这两种情况选择了mode ='bilinear'。
对于grid_sample，我将执行以下操作：
dh = torch.linspace(-1,1, h/2)
dw = torch.linspace(-1,1, w/2)
mesh, meshy = torch.meshgrid((dh,dw))
grid = torch.stack.((meshy,meshx),2)
grid = grid.unsqueeze(0) #add batch dim
x_downsampled = torch.nn.functional.grid_sample(img, grid, mode='bilinear')对于插值，我会：
x_downsampled = torch.nn.functional.interpolate(img, size=(h/2,w/2), mode='bilinear')这两种方法有什么不同？哪一个更适合我的例子？
回答 1
Stack Overflow用户
发布于 2022-11-24 07:08:03
简洁第二。Grid_sample更适合于非均匀插值.
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/72373545
复制相关文章
相似问题
腾讯云开发者
