torch.nn.functional.affine_grid

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

给定一批仿射矩阵 theta，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，以构建 空间变换网络 。

参数

• theta (Tensor) – 输入批次的仿射矩阵，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）示例：torch.Size((32, 3, 24, 24))

• align_corners (bool, 可选) – 如果 True，则认为 -1 和 1 指的是角像素的中心，而不是图像角。有关更完整的描述，请参阅 grid_sample()。由 affine_grid() 生成的网格应传递给 grid_sample()，并使用相同的选项设置。默认值：False

返回

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

返回类型

output (Tensor)

警告

当 align_corners = True 时，网格位置取决于相对于输入图像大小的像素大小，因此对于在不同分辨率下（即，在经过上采样或下采样后）给定的相同输入，grid_sample() 采样的位置将有所不同。在 1.2.0 版本之前的默认行为是 align_corners = True。从那时起，默认行为已更改为 align_corners = False，以便与 interpolate() 的默认行为保持一致。

警告

当 align_corners = True 时，在 1D 数据上进行 2D 仿射变换以及在 2D 数据上进行 3D 仿射变换（即，当其中一个空间维度具有单位大小时）的定义不明确，并且不是预期的用例。当 align_corners = False 时，这不是问题。在 1.2.0 版本之前，单位维度上的所有网格点都被任意地视为位于 -1。从 1.3.0 版本开始，在 align_corners = True 下，单位维度上的所有网格点都被视为位于 0（输入图像的中心）。