MatConvNet--VL_NNBILIEARSAMPLER

VL_NNBILIEARSAMPLER - CNN空间双线性重采样
Y = VL_NNBILINEARSAMPLER（X，GRID）使用双线性内插在由GRID指定的空间位置处重新采样图像X.

X是维度H×W×C×N的阵列，其中（H，W）是图像的高度和宽度，C是特征通道的数量，N是批次中的图像的数量。

GRID是尺寸为2×Ho×Wo×No的数组，其中（Ho，Wo）是输出图像的高度和宽度，No是输出批次Y中的输出图像的数量。输出数组Y具有尺寸Ho x Wo x C x No.对所有输入要素通道使用相同的重采样网格，但是batchY中的每个输出图像都使用自己的网格。

对于输出图像n，GRID（1，：，：，n）指定输入图像X中的样本的垂直位置v和水平位置u的GRID（2，：，：，n）。 惯例遵循文献中的这个运算符的标准偏差。 即：
1.网格坐标在范围[-1,1]中被归一化。 这个意味着（-1，-1）是输入图像中的左上像素的中心，并且（+ 1，+ 1）是右下像素的中心。

2.V，U坐标平面在GRID的第一维而不是第三维中堆叠，因为它在MatConvNet中更自然（因为这些可以在GRID中被解释为“通道”）。

此外，N 0可以是N的倍数; 在这种情况下，假设每个输入图像有No / N个变换，因此，将变换[1 … No / N]应用于第一图像，[No / N + 1 … 2 * No / N]应用于第二图像等。

[DX，DGRID] = VL_NNBILINEARSAMPLER（X，GRID，DY）计算投影到DY上的块的导数。 DX，DGRID，DY分别具有与X，GRID和Y相同的尺寸。

CUDNN SUPPORT
如果编译，函数将使用cuDNN的实现。 注意，需要cuDNN v5或更高版本。 您可以使用“NoCudnn”选项禁用cuDNN或“CuDNN”再次激活它（选择坚持，直到MATLAB为任何原因清除MEX文件）。