pytorch中torch.meshgrid()函数理解及举例说明

说明:

函数的功能是生成网格,可以用于生成坐标。

函数输入:

输入两个一维tensor数据,且两个tensor数据类型相同,也可以输入三个一维tensor数据

函数输出:

输出两个tensor数据(两个tensor的行数为第一个输入张量的元素个数,列数为第二个输入张量的元素个数)或者三个tensor数据(三个tensor第一维度大小为第一个输入张量的元素个数,第二维度大小为第二个输入张量的元素个数,第三维度为第三个输入张量元素个数)

报错:

当两个输入tensor数据类型不同或维度不是一维时会报错。

结果理解:

输入两个一维张量的元素个数分别为n1,n2,则输出两个张量是二维的,且行和列个数均为n1,n2,输出第一个张量行相同(对应第一个输入张量),输出第二个张量列相同(对应第二个输入张量),其中第一个输出张量填充第一个输入张量中的元素,各行元素相同 ;第二个输出张量填充第二个输入张量中的元素,各列元素相同

若输入是三个一维张量,元素个数分别为n1,n2,n3,则输出的三个张量都是三维的,且输出的三个张量的三个维度均相等,分别为n1,n2,n3。

输入为两个张量:

python 复制代码
import torch
import torch.nn as nn

a1 = torch.tensor([1,3])
b1 = torch.tensor([2,4,6])
x1,y1 = torch.meshgrid(a1,b1)
print(x1)
print(y1)

输出:
tensor([[1, 1, 1],
        [3, 3, 3]])
tensor([[2, 4, 6],
        [2, 4, 6]])

输入为三个张量:

python 复制代码
import torch
import torch.nn as nn

a2 = torch.tensor([1,3])
b2 = torch.tensor([2,4,6])
c2 = torch.tensor([7,8,9,10])
x2,y2,z2 = torch.meshgrid(a2,b2,c2)
print(x2)
print(x2.shape)
print(y2)
print(y2.shape)
print(z2)
print(z2.shape)

输出:
tensor([[[1, 1, 1, 1],
         [1, 1, 1, 1],
         [1, 1, 1, 1]],

        [[3, 3, 3, 3],
         [3, 3, 3, 3],
         [3, 3, 3, 3]]])
torch.Size([2, 3, 4])
tensor([[[2, 2, 2, 2],
         [4, 4, 4, 4],
         [6, 6, 6, 6]],

        [[2, 2, 2, 2],
         [4, 4, 4, 4],
         [6, 6, 6, 6]]])
torch.Size([2, 3, 4])
tensor([[[ 7,  8,  9, 10],
         [ 7,  8,  9, 10],
         [ 7,  8,  9, 10]],

        [[ 7,  8,  9, 10],
         [ 7,  8,  9, 10],
         [ 7,  8,  9, 10]]])
torch.Size([2, 3, 4])
相关推荐
_BugMan12 小时前
【大模型】理论基础(1):函数与神经网络
人工智能·深度学习·神经网络
AI模块工坊13 小时前
CVPR 即插即用 | PConv:重新定义高效卷积,一个让模型“跑”得更快、更省的新范式
人工智能·深度学习·计算机视觉·transformer
lzjava202413 小时前
Spring AI加DeepSeek实现一个Prompt聊天机器人
人工智能·spring·prompt
fanstuck15 小时前
AI辅助数学建模有哪些优势?
人工智能·数学建模·语言模型·aigc
一只安15 小时前
从零开发AI(不依赖任何模型)
人工智能·python
11年老程序猿在线搬砖15 小时前
如何搭建自己的量化交易平台
大数据·人工智能·python·自动交易·量化交易系统
Elastic 中国社区官方博客15 小时前
Elasticsearch 开放推理 API 增加了对 Google 的 Gemini 模型的支持
大数据·人工智能·elasticsearch·搜索引擎·ai·全文检索·googlecloud
周杰伦_Jay15 小时前
【实战|旅游知识问答RAG系统全链路解析】从配置到落地(附真实日志数据)
大数据·人工智能·分布式·机器学习·架构·旅游·1024程序员节
架构技术专栏16 小时前
大模型安全:从对齐问题到对抗性攻击的深度分析
人工智能
麻雀无能为力16 小时前
深度学习计算
人工智能·深度学习