介绍
构建n维网格
语法
tf.meshgrid(
*args,
**kwargs
)
例子
例子1
x = tf.range(3, dtype=tf.float32)
y = tf.range(4, dtype=tf.float32)
print(x)
print(y)
print('-'*50)
x2, y2 = tf.meshgrid(x, y)
print(x2)
print(y2)
执行结果：
tf.Tensor([0. 1. 2.], shape=(3,), dtype=float32)
tf.Tensor([0. 1. 2. 3.], shape=(4,), dtype=float32)
--------------------------------------------------
tf.Tensor(
[[0. 1. 2.]
[0. 1. 2.]
[0. 1. 2.]
[0. 1. 2.]], shape=(4, 3), dtype=float32)
tf.Tensor(
[[0. 0. 0.]
[1. 1. 1.]
[2. 2. 2.]
[3. 3. 3.]], shape=(4, 3), dtype=float32)
解释：
传入x，y，那么返回结果x2，y2都是二维，形状是(m,n)，m是y的元素数量，n是x的元素数量
可以理解为：
- x2 是沿着 0 轴重复了m次（m是y1的长度）
- y2 是沿着 1 轴重复了n次（n是y1的长度）
构建网格坐标
用于目标检测
x = tf.range(3, dtype=tf.float32)
y = tf.range(3, dtype=tf.float32)
x2, y2 = tf.meshgrid(x, y)
grid = tf.stack([x2,y2],axis=-1)
print(grid)
执行结果：
tf.Tensor(
[[[0. 0.]
[1. 0.]
[2. 0.]]
[[0. 1.]
[1. 1.]
[2. 1.]]
[[0. 2.]
[1. 2.]
[2. 2.]]], shape=(3, 3, 2), dtype=float32)
更多维度，更多参数
x = tf.reshape(tf.range(8, dtype=tf.float32),[2,2,2])
y = tf.reshape(tf.range(4, dtype=tf.float32),[2,2])
z = tf.reshape(tf.range(6, dtype=tf.float32),[2,3])
# print(x)
# print(y)
# print(z)
print('-'*50)
x2, y2,z2 = tf.meshgrid(x, y,z)
print(x)
print(y)
print(z)
解释：
- 传入3个参数，所以结果 x2, y2,z2都是3维，形状都是(4,8,6)。4是y的元素数量，8是x的元素数量，6是z的元素数量
- x2的值，是将x展平，在0轴重复4次，2轴重复6次
- y2的值，是将y展平，每一个元素在1轴重复8次，2轴重复6次
- z2的值，是将z展平，在0轴重复4次，1轴重复8次