mindspore.ops.meshgrid
- 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 (List[Tensor]) - N个一维Tensor的List。输入的长度应大于1。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 >>> import mindspore.ops as 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]]]))