mindspore.ops.meshgrid

查看源文件
mindspore.ops.meshgrid(*inputs, indexing='xy')[源代码]

从给定的Tensor生成网格矩阵。

给定N个一维Tensor，对每个Tensor做扩张操作，返回N个N维的Tensor。

参数：

  • inputs (Union(tuple[Tensor], list[Tensor])) - 静态图下为N个一维Tensor，输入的Tensor个数应大于1。动态图下为N个零维或一维Tensor，输入的Tensor个数应大于0。数据类型为Number。

关键字参数：

  • indexing (str, 可选) - 影响输出的网格矩阵的size。可选值为： 'xy' 或 'ij' 。对于长度为 M 和 N 的二维输入，取值为 'xy' 时，输出的shape为 \((N, M)\) ，取值为 'ij' 时，输出的shape为 \((M, N)\) 。以长度为 M ， N 和 P 的三维输入，取值为 'xy' 时，输出的shape为 \((N, M, P)\) ，取值为 'ij' 时，输出的shape为 \((M, N, P)\) 。默认值： 'xy' 。

返回：

Tensor，N个N维tensor对象的元组。数据类型与输入相同。

异常：

  • TypeError - indexing 不是str或 inputs 不是元组。

  • ValueError - indexing 的取值既不是 'xy' 也不是 'ij' 。

支持平台：

Ascend GPU CPU

样例：

>>> import numpy as np
>>> from mindspore import Tensor
>>> from mindspore import ops
>>> x = Tensor(np.array([1, 2, 3, 4]).astype(np.int32))
>>> y = Tensor(np.array([5, 6, 7]).astype(np.int32))
>>> z = Tensor(np.array([8, 9, 0, 1, 2]).astype(np.int32))
>>> output = ops.meshgrid(x, y, z, indexing='xy')
>>> print(output)
(Tensor(shape=[3, 4, 5], dtype=Int32, value=
 [[[1, 1, 1, 1, 1],
   [2, 2, 2, 2, 2],
   [3, 3, 3, 3, 3],
   [4, 4, 4, 4, 4]],
  [[1, 1, 1, 1, 1],
   [2, 2, 2, 2, 2],
   [3, 3, 3, 3, 3],
   [4, 4, 4, 4, 4]],
  [[1, 1, 1, 1, 1],
   [2, 2, 2, 2, 2],
   [3, 3, 3, 3, 3],
   [4, 4, 4, 4, 4]]]),
 Tensor(shape=[3, 4, 5], dtype=Int32, value=
 [[[5, 5, 5, 5, 5],
   [5, 5, 5, 5, 5],
   [5, 5, 5, 5, 5],
   [5, 5, 5, 5, 5]],
  [[6, 6, 6, 6, 6],
   [6, 6, 6, 6, 6],
   [6, 6, 6, 6, 6],
   [6, 6, 6, 6, 6]],
  [[7, 7, 7, 7, 7],
   [7, 7, 7, 7, 7],
   [7, 7, 7, 7, 7],
   [7, 7, 7, 7, 7]]]),
 Tensor(shape=[3, 4, 5], dtype=Int32, value=
 [[[8, 9, 0, 1, 2],
   [8, 9, 0, 1, 2],
   [8, 9, 0, 1, 2],
   [8, 9, 0, 1, 2]],
  [[8, 9, 0, 1, 2],
   [8, 9, 0, 1, 2],
   [8, 9, 0, 1, 2],
   [8, 9, 0, 1, 2]],
  [[8, 9, 0, 1, 2],
   [8, 9, 0, 1, 2],
   [8, 9, 0, 1, 2],
   [8, 9, 0, 1, 2]]]))