torch.meshgrid

torch.meshgrid(*tensors, indexing=None)

根據 attr:tensors 中的一維輸入建立座標網格。

當你想在某個輸入範圍內視覺化資料時，這很有用。請參閱下方繪圖示例。

給定 $N$ 個一維張量 $T_0 \ldots T_{N-1}$ 作為輸入，其對應大小分別為 $S_0 \ldots S_{N-1}$，這將建立 $N$ 個 N 維張量 $G_0 \ldots G_{N-1}$，每個張量的形狀為 $(S_0, ..., S_{N-1})$，其中輸出 $G_i$ 透過將 $T_i$ 擴充套件到結果形狀來構建。

注意

0D 輸入被視為具有單個元素的一維輸入。

警告

torch.meshgrid(*tensors) 當前行為與呼叫 numpy.meshgrid(*arrays, indexing=’ij’) 相同。

將來，torch.meshgrid 將把 indexing=’xy’ 作為預設值。

https://github.com/pytorch/pytorch/issues/50276 跟蹤此問題，目標是遷移到 NumPy 的行為。

另請參閱

torch.cartesian_prod() 效果相同，但它將資料收集在一個向量張量中。

引數

• tensors (list of Tensor) – 標量或一維張量列表。標量將自動被視為大小為 $(1,)$ 的張量

• indexing (Optional[str]) –

  (str，可選)：索引模式，可以是 “xy” 或 “ij”，預設為 “ij”。請參閱警告瞭解未來的更改。

  如果選擇 “xy”，則第一個維度對應於第二個輸入的基數，第二個維度對應於第一個輸入的基數。

  如果選擇 “ij”，則維度的順序與輸入的基數相同。

返回

如果輸入包含 $N$ 個大小為 $S_0 \ldots S_{N-1}$ 的張量，則輸出也將包含 $N$ 個張量，其中每個張量的形狀為 $(S_0, ..., S_{N-1})$。

返回型別

seq (張量序列)

示例

>>> x = torch.tensor([1, 2, 3])
>>> y = torch.tensor([4, 5, 6])

Observe the element-wise pairings across the grid, (1, 4),
(1, 5), ..., (3, 6). This is the same thing as the
cartesian product.
>>> grid_x, grid_y = torch.meshgrid(x, y, indexing='ij')
>>> grid_x
tensor([[1, 1, 1],
        [2, 2, 2],
        [3, 3, 3]])
>>> grid_y
tensor([[4, 5, 6],
        [4, 5, 6],
        [4, 5, 6]])

This correspondence can be seen when these grids are
stacked properly.
>>> torch.equal(torch.cat(tuple(torch.dstack([grid_x, grid_y]))),
...             torch.cartesian_prod(x, y))
True

`torch.meshgrid` is commonly used to produce a grid for
plotting.
>>> import matplotlib.pyplot as plt
>>> xs = torch.linspace(-5, 5, steps=100)
>>> ys = torch.linspace(-5, 5, steps=100)
>>> x, y = torch.meshgrid(xs, ys, indexing='xy')
>>> z = torch.sin(torch.sqrt(x * x + y * y))
>>> ax = plt.axes(projection='3d')
>>> ax.plot_surface(x.numpy(), y.numpy(), z.numpy())
>>> plt.show()