mindspore.ops.affine_grid

mindspore.ops.affine_grid(theta, size, align_corners=False)

基于输入的批量仿射矩阵 theta ，返回一个二维或三维的流场（采样网格）。

参数：

• theta (Tensor) - 仿射矩阵输入，其shape为 \((N, 2, 3)\) 用于 2D grid 或 \((N, 3, 4)\) 用于 3D grid。

• size (tuple[int]) - 目标输出图像大小。指格式为 \((N, C, H, W)\) 的2D grid或 \((N, C, D, H, W)\) 的3D grid的大小。

• align_corners (bool，可选) - 在几何上，我们将输入的像素视为正方形而不是点。如果设置为 True ，则极值 -1 和 1 指输入像素的中心。如果设置为 False ，则极值 -1 和 1 指输入像素的边角，从而使采样与分辨率无关。默认值： False 。

返回：

Tensor，其数据类型与 theta 相同，其shape为 \((N, H, W, 2)\) 用于 2D grid或 \((N, D, H, W, 3)\) 用于 3D grid。

异常：

• TypeError - theta 不是Tensor或 size 不是tuple。

• ValueError - theta 的shape不是 \((N, 2, 3)\) 或 \((N, 3, 4)\) 。

• ValueError - size 的长度不是 4 或 5。

• ValueError - theta 的shape是 \((N, 2, 3)\) ，size 的长度却不是4； theta 的shape是 \((N, 3, 4)\) ，size 的长度却不是5。

• ValueError - size 的第一个值不等于 theta 的第一维的长度。

支持平台：

Ascend GPU CPU

样例：

>>> import mindspore
>>> from mindspore import Tensor
>>> import mindspore.ops as ops
>>> theta = Tensor([[[0.8, 0.5, 0],[-0.5, 0.8, 0]]], mindspore.float32)
>>> out_size = (1, 3, 2, 3)
>>> output = ops.affine_grid(theta, out_size, False)
>>> print(output)
[[[[-0.78333336 -0.06666666]
[-0.25       -0.4       ]
[ 0.28333336 -0.73333335]]
[[-0.28333336  0.73333335]
[ 0.25        0.4       ]
[ 0.78333336  0.06666666]]]]