affine_grid

paddle.nn.functional.affine_grid ( theta, out_shape, align_corners=True, name=None ) [源代码]

该OP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，根据该OP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] 的Tensor，表示batch_size个 2X3 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 [N, C, H, W] ，分别为输出feature map的batch size、channel数量、高和宽。数据类型支持int32。

  • align_corners (bool, optional): 一个可选的bool型参数，如果为True，则将输入和输出张量的4个角落像素的中心对齐，并保留角点像素的值。 默认值：True。

  • name (None|str) – 具体用法请参见 Name ，一般无需设置。默认值：None。

返回： Tensor。Shape为 [N, H, W, 2] 的4-D Tensor，表示仿射变换前后的坐标的映射关系。其中，N、H、W分别为仿射变换中输出feature map的batch size、高和宽。 数据类型与 theta 一致。

代码示例：

  1. import paddle
  2. import paddle.nn.functional as F
  3. import numpy as np
  4. # theta shape = [1, 2, 3]
  5. theta = np.array([[[-0.7, -0.4, 0.3],
  6.                    [ 0.6,  0.5, 1.5]]]).astype("float32")
  7. theta_t = paddle.to_tensor(theta)
  8. y_t = F.affine_grid(
  9.         theta_t,
  10.         [1, 2, 3, 3],
  11.         align_corners=False)
  12. print(y_t)
  14. #[[[[ 1.0333333   0.76666665]
  15. #   [ 0.76666665  1.0999999 ]
  16. #   [ 0.5         1.4333333 ]]
  17. #
  18. #  [[ 0.5666667   1.1666666 ]
  19. #   [ 0.3         1.5       ]
  20. #   [ 0.03333333  1.8333334 ]]
  21. #
  22. #  [[ 0.10000002  1.5666667 ]
  23. #   [-0.16666666  1.9000001 ]
  24. #   [-0.43333334  2.2333333 ]]]]