torch.nn.functional.affine_grid

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

生成二维或三维流场（采样网格），给定一批仿射矩阵 theta。

注意

此函数通常与 grid_sample() 一起使用，以构建 空间变换网络。

Parameters

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

• align_corners (布尔值, 可选) – 如果 True，考虑 -1 和 1 指的是角像素的中心而不是图像的角。 参考 grid_sample() 以获得更完整的描述。 由 affine_grid() 生成的网格应传递给 grid_sample() 并使用与此选项相同的设置。 默认值: False

Returns

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

Return type

输出 (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，因此由 grid_sample() 采样的位置会因输入在不同分辨率下（即在放大或缩小后）而有所不同。 在版本 1.2.0 之前，默认行为是 align_corners = True。 自那时起，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，1D 数据上的 2D 仿射变换和 2D 数据上的 3D 仿射变换（即当其中一个空间维度具有单位尺寸时）是未定义的，并且不是预期的用例。这在 align_corners = False 时不是问题。在 1.2.0 版本之前，沿单位维度的所有网格点都被任意认为是位于 -1。从 1.3.0 版本开始，在 align_corners = True 下，沿单位维度的所有网格点都被认为是位于 0（输入图像的中心）。