affine_grid¶

paddle.nn.functional. affine_grid ( theta, out_shape, align_corners=True, 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 (Tensor) - 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 (Tensor | 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。

align_corners (bool，可选) - 一个可选的 bool 型参数，如果为 True，则将输入和输出 Tensor 的 4（4D）或 8（5D）个角落像素的中心对齐，并保留角点像素的值。默认值：True。

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¶

Tensor。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。

代码示例¶

          >>> import paddle
>>> import paddle.nn.functional as F
>>> # theta.shape = [1, 2, 3]
>>> theta = paddle.to_tensor([[[-0.7, -0.4, 0.3],
...                            [ 0.6,  0.5, 1.5]]], dtype="float32")
>>> y_t = F.affine_grid(
...     theta,
...     [1, 2, 3, 3],
...     align_corners=False
... )
>>> print(y_t)
Tensor(shape=[1, 3, 3, 2], dtype=float32, place=Place(cpu), stop_gradient=True,
[[[[ 1.03333330,  0.76666665],
   [ 0.56666672,  1.16666663],
   [ 0.10000002,  1.56666672]],
  [[ 0.76666665,  1.09999990],
   [ 0.30000001,  1.50000000],
   [-0.16666666,  1.90000010]],
  [[ 0.50000000,  1.43333328],
   [ 0.03333333,  1.83333337],
   [-0.43333334,  2.23333335]]]])

         