grid_sampler2d_v2

接口原型

mx_driving.grid_sampler2d_v2(Tensor input, Tensor grid, str mode="bilinear", str padding_mode="zeros", bool align_corners=False) -> Tensor

功能描述

网格采样。提供一个输入 tensor 以及一个对应的 grid 网格，根据 grid 中每个位置提供的坐标信息，将 input 中对应位置的像素值填充到网格指定的位置，得到最终的输出 tensor。

参数说明

• input(Tensor)：表示输入张量，数据类型为 float32，shape 为 $(N,C,H_{in},W_{in})$。
• grid(Tensor)：表示网格张量，数据类型为 float32，shape 为 $(N,H_{out},W_{out},2)$，2 代表 x, y。grid 的元素值通常被归一化到 [-1, 1]。
• mode(str)：表示插值模式，取值为 "bilinear" 时，计算双线性插值。
• padding_mode(str)：表示填充模式，表明对越界坐标的处理方式。取值为 "zeros" 时，越界位置填充为 0；取值为 "border" 时，使用边界值填充。
• align_corners(bool)：表示特征图坐标与特征值的对应方式。取值为 True 时，特征值位于像素中心；取值为 False 时，特征值位于像素角点。

返回值

• output(Tensor)：表示输出张量，数据类型为 float32，shape 为 $(N,C,H_{out},W_{out})$。

约束说明

• input 和 grid 必须为 4 维张量，且二者 batch size 必须相同。
• input 和 grid 均不支持 inf 、-inf 和 nan，不支持空 tensor。
• grid 最后一维必须为 2，元素值需归一化到 [-1, 1]。
• input、 grid 和 output 的元素个数在 int32 范围内，并且每个元素的偏移量均能用 32 位索引表示。
• mode仅支持 "bilinear"，padding_mode仅支持"zeros"，"border"，input要求 C <= 128，且C为4的倍数。
• 相比于 CANN 中的 grid_sample，针对 BEVDet 模型场景做了性能优化，所有参数配置需要与模型配置保持一致。即 input: (24, 4, 64, 176), grid: (24, 5632, 176, 2), "bilinear", "zeros", True。

支持的型号

• Atlas A2 训练系列产品

调用示例

import torch, torch_npu
from mx_driving import grid_sampler2d_v2

inp = torch.rand(1, 4, 8, 8, dtype=torch.float32).npu()
rand_tensor = torch.rand(1, 2, 3, 2, dtype=torch.float32).npu()
grid = 2 * rand_tensor - 1
inp.requires_grad = True
grid.requires_grad = True

output = grid_sampler2d_v2(inp, grid, "bilinear", "zeros", False)
output.backward(torch.ones_like(output))