torch.nn.functional.affine_grid

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

给定仿射矩阵 theta 的批次，生成 2D 或 3D 流场（采样网格）。

注意

此函数通常与 grid_sample() 结合使用来构建 空间变换网络 。

参数

• theta (张量) – 仿射矩阵的输入批次，形状为 ($N \times 2 \times 3$) 用于 2D 或 ($N \times 3 \times 4$) 用于 3D

• size (torch.Size) – 目标输出图像大小。 ($N \times C \times H \times W$ 用于 2D 或 $N \times C \times D \times H \times W$ 用于 3D) 例如：torch.Size((32, 3, 24, 24))

• align_corners (布尔值，可选) – 如果为 True，则将 -1 和 1 视为角像素的中心，而不是图像的角。有关更完整的说明，请参阅 grid_sample() 。由 affine_grid() 生成的网格应以相同设置传递到 grid_sample() 。默认值：False

返回值

输出张量大小为 ($N \times H \times W \times 2$)

返回类型

输出 (Tensor)

警告

当 align_corners = True 时，网格位置取决于像素大小相对于输入图像大小，因此由 grid_sample() 采样的位置将因不同分辨率的相同输入而异（即，在经过上采样或下采样后）。直到版本 1.2.0 的默认行为是 align_corners = True。从那时起，默认行为已更改为 align_corners = False，以使其与 interpolate() 的默认行为保持一致。

警告

当 align_corners = True 时，对 1D 数据的 2D 仿射变换和对 2D 数据的 3D 仿射变换（即，当其中一个空间维度大小为 1 时）定义不明确，并且不是预期的用例。当 align_corners = False 时，这不是问题。在版本 1.2.0 之前，单位维度上的所有网格点都被任意认为是 -1。从版本 1.3.0 开始，在 align_corners = True 下，单位维度上的所有网格点都被认为是 0（输入图像的中心）。