torch.nn.functional.affine_grid

torch.nn.functional.affine_grid(theta, size, align_corners=None)

給定一批仿射矩陣 theta，生成 2D 或 3D 流場（取樣網格）。

注意

此函式通常與 grid_sample() 結合使用來構建 空間變換網路。

引數

• theta (Tensor) – 輸入的仿射矩陣批次，形狀為 ($N \times 2 \times 3$) 用於 2D，或 ($N \times 3 \times 4$) 用於 3D

• size (torch.Size) – 目標輸出影像大小。 ($N \times C \times H \times W$) 用於 2D，或 $N \times C \times D \times H \times W$) 用於 3D) 示例：torch.Size((32, 3, 24, 24))

• align_corners (bool, optional) – 如果 True，則將 -1 和 1 視為畫素角點的中心而不是影像的角點。有關更完整的描述，請參閱 grid_sample()。由 affine_grid() 生成的網格應以相同的選項設定傳遞給 grid_sample()。預設為 False

返回

輸出 Tensor，形狀為 ($N \times H \times W \times 2$)

返回型別

output (Tensor)

警告

當 align_corners = True 時，網格位置取決於相對於輸入影像大小的畫素大小，因此由 grid_sample() 取樣的位置對於給定不同解析度（即經過上取樣或下采樣後）的相同輸入將會不同。直到 1.2.0 版本，預設行為是 align_corners = True。此後，為了與 interpolate() 的預設行為保持一致，已將預設行為更改為 align_corners = False。

警告

當 align_corners = True 時，1D 資料上的 2D 仿射變換和 2D 資料上的 3D 仿射變換（即當一個空間維度大小為 1 時）是不明確的，並且不是預期用途。當 align_corners = False 時，這不是問題。直到 1.2.0 版本，沿單位維度的所有網格點都被任意視為 -1。從 1.3.0 版本開始，在 align_corners = True 下，沿單位維度的所有網格點都被視為 0（輸入影像的中心）。