mindspore.ops.affine_grid

查看源文件
mindspore.ops.affine_grid(theta, size, align_corners=False)[源代码]

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 \((N, 2, 3)\)\((N, 3, 4)\)

  • 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
>>> from mindspore import 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]]]]