affine_grid¶

paddle.fluid.layers. affine_grid ( theta, out_shape, name=None ) [源代码] ¶

用于生成仿射变换前后的 feature maps 的坐标映射关系。在视觉应用中，根据得到的映射关系，将输入 feature map 的像素点变换到对应的坐标，就得到了经过仿射变换的 feature map。

参数¶

theta (Variable) - Shape 为 [batch_size, 2, 3] 或 [batch_size, 3, 4] 的 Tensor，表示 batch_size 个 2X3 或 3X4 的变换矩阵。数据类型支持 float32，float64。

out_shape (Variable | list | tuple) - 类型可以是 1-D Tensor、list 或 tuple。用于表示在仿射变换中的输出的 shape，其格式为 [N, C, H, W] 或 [N, C, D, H, W] ，格式 [N, C, H, W] 分别表示输出 feature map 的 batch size、channel 数量、高和宽，格式 [N, C, D, H, W] 分别表示输出 feature map 的 batch size、channel 数量、深度、高和宽。数据类型支持 int32。

name (str，可选) - 具体用法请参见 Name，一般无需设置，默认值为 None。

返回¶

Variable。Shape 为 [N, H, W, 2] 的 4-D Tensor 或``[N, D, H, W, 3]``的 5-D Tensor，表示仿射变换前后的坐标的映射关系。输出为 4-D Tensor 时，N、H、W 分别为仿射变换中输出 feature map 的 batch size、高和宽，输出为 5D Tensor 时，N、D、H、W 分别为仿射变换中输出 feature map 的 batch size、深度、高和宽。数据类型与 theta 一致。

返回类型¶

Variable

代码示例¶

          import paddle.fluid as fluid
import numpy as np
place = fluid.CPUPlace()
theta = fluid.data(name="x", shape=[None, 2, 3], dtype="float32")
out_shape = fluid.data(name="y", shape=[4], dtype="int32")
grid_0 = fluid.layers.affine_grid(theta, out_shape)
grid_1 = fluid.layers.affine_grid(theta, [5, 3, 28, 28])
batch_size=2
exe = fluid.Executor(place)
exe.run(fluid.default_startup_program())
output= exe.run(feed={"x": np.random.rand(batch_size,2,3).astype("float32"),
                      "y": np.array([5, 3, 28, 28]).astype("int32")},
                      fetch_list=[grid_0.name, grid_1.name])
print(output[0])
print(output[1])

         