首先Pytorch中grid_sample函数的接口声明如下：
torch.nn.functional.grid_sample(input, grid, mode='bilinear', padding_mode='zeros', align_corners=None)- input : 输入tensor， shape为 N, C, H_in, W_in
- grid: 一个field flow， shape为N, H_out, W_out, 2，最后一个维度是每个grid（H_out_i, W_out_i)在input的哪个位置的邻域去采点。数值范围被归一化到-1,1。
这里的input和output就是输入的图片，或者是网络中的feature map。关键的处理过程在于grid，grid的最后一维的大小为2，即表示input中pixel的位置信息 (x,y) ,这里一般会将x和y的取值范围归一化到 −1,1 之间， (−1,−1) 表示input左上角的像素的坐标，(1,1) 表示input右下角的像素的坐标，对于超出这个范围的坐标(x,y)，函数将会根据参数_padding_mode_的设定进行不同的处理。
- padding_mode='zeros':对于越界的位置在网格中采用pixel value=0进行填充。
- padding_mode='border':对于越界的位置在网格中采用边界的pixel value进行填充。
- padding_mode='reflection':对于越界的位置在网格中采用关于边界的对称值进行填充。
对于mode='bilinear'参数，则定义了在input中指定位置的pixel value中进行插值的方法，为什么需要插值呢？因为前面我们说了，grid中表示的位置信息x和y的取值范围在 −1,1 之间，这就意味着我们要根据一个浮点型的坐标值在input中对pixel value进行采样，mode有nearest和bilinear两种模式。
- nearest就是直接采用与 (x,y) 距离最近处的像素值来填充grid
- bilinear则是采用双线性插值的方法来进行填充，总之其与nearest的区别就是nearest只考虑最近点的pixel value，而bilinear则采用(x,y)周围的四个pixel value进行加权平均值来填充grid。
双线性插值：
举例：
python
import torch
from torch.nn import functional as F
inp = torch.ones(1, 128, 4, 4)
# 目的是得到一个 长宽为20的tensor
out_h = 20
out_w = 20
grid_x, grid_y = torch.meshgrid(
torch.linspace(-1, 1, out_h),
torch.linspace(-1, 1, out_w)
)
# grid 最后一维度表示在input采样的位置（x，y），y表示图像纵轴，x表示横轴，grid顺序应该先x递增，后y递增
grid = torch.stack((grid_y, grid_x), dim=-1).unsqueeze(0) # (out_h, out_w, 2)
# F.grid_sample -> input:(N,C,Hin,Win), grid:(N,Hout,Wout,2), output:(N,C,Hout,Wout)
# outp = F.grid_sample(features, grid, align_corners=True, mode='bilinear')
outp = F.grid_sample(inp, grid, align_corners=True, mode='nearest')
print(outp.shape) # torch.Size([1, 128, 20, 20])对图像，特征进行采样用以上grid才不会图像位置错误