np.meshgrid()函數常用于生成二維網格，比如圖像的坐標點。

pytorch中也有一個類似的函數torch.meshgrid()，功能也類似，但是兩者的用法有區別，使用時需要注意(剛踩坑，因此記錄一下。。。)

比如我要生成一張圖像(h=6, w=10)的xy坐標點，看下兩者的實現方式：

np.meshgrid()

>>> import numpy as np

>>> h = 6

>>> w = 10

>>> xs, ys = np.meshgrid(np.arange(w), np.arange(h))

>>> xs.shape

(6, 10)

>>> ys.shape

(6, 10)

>>> xs

array([[0, 1, 2, 3, 4, 5, 6, 7, 8, 9],

[0, 1, 2, 3, 4, 5, 6, 7, 8, 9],

[0, 1, 2, 3, 4, 5, 6, 7, 8, 9],

[0, 1, 2, 3, 4, 5, 6, 7, 8, 9],

[0, 1, 2, 3, 4, 5, 6, 7, 8, 9],

[0, 1, 2, 3, 4, 5, 6, 7, 8, 9]])

>>> ys

array([[0, 0, 0, 0, 0, 0, 0, 0, 0, 0],

[1, 1, 1, 1, 1, 1, 1, 1, 1, 1],

[2, 2, 2, 2, 2, 2, 2, 2, 2, 2],

[3, 3, 3, 3, 3, 3, 3, 3, 3, 3],

[4, 4, 4, 4, 4, 4, 4, 4, 4, 4],

[5, 5, 5, 5, 5, 5, 5, 5, 5, 5]])

>>> xys = np.stack([xs, ys], axis=-1)

>>> xys.shape

(6, 10, 2)

torch.meshgrid()

>>> import torch

>>> h = 6

>>> w = 10

>>> ys,xs = torch.meshgrid(torch.arange(h), torch.arange(w))

>>> xs.shape

torch.Size([6, 10])

>>> ys.shape

torch.Size([6, 10])

>>> xs

tensor([[0, 1, 2, 3, 4, 5, 6, 7, 8, 9],

[0, 1, 2, 3, 4, 5, 6, 7, 8, 9],

[0, 1, 2, 3, 4, 5, 6, 7, 8, 9],

[0, 1, 2, 3, 4, 5, 6, 7, 8, 9],

[0, 1, 2, 3, 4, 5, 6, 7, 8, 9],

[0, 1, 2, 3, 4, 5, 6, 7, 8, 9]])

>>> ys

tensor([[0, 0, 0, 0, 0, 0, 0, 0, 0, 0],

[1, 1, 1, 1, 1, 1, 1, 1, 1, 1],

[2, 2, 2, 2, 2, 2, 2, 2, 2, 2],

[3, 3, 3, 3, 3, 3, 3, 3, 3, 3],

[4, 4, 4, 4, 4, 4, 4, 4, 4, 4],

[5, 5, 5, 5, 5, 5, 5, 5, 5, 5]])

>>> xys = torch.stack([xs, ys], dim=-1)

>>> xys.shape

torch.Size([6, 10, 2])

從python交互式窗口可以清晰的看出numpy和pytorch中meshgrid()函數的區別，就不用文字總結了，自己體會哈哈哈。

超強干貨來襲 云風專訪：近40年碼齡，通宵達旦的技術人生

總結

以上是生活随笔為你收集整理的python meshgrid_torch.meshgrid()和np.meshgrid()的区别的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。