meshgrid 生成坐标网格

无论是 np.meshgrid 还是 torch.meshgrid 都是一样的，这里就用 torch.meshgrid 举例。

torch.meshgrid(*tensors, indexing='ij')

• *tensors：任意数量的一维张量。这些张量定义了网格的每一个维度

• indexing：网格的索引方式。可以是 'xy' 或 'ij'，默认是 'ij'

  • 'xy'：适合笛卡尔坐标系，其中第一个张量表示 x 轴，第二个张量表示 y 轴

  • 'ij'：适合矩阵索引，其中第一个张量表示行索引，第二个张量表示列索引

'xy' 和 'ij' 可以分别理解为如下坐标系：

202407231000090

例子

# Assume W=3 and H=2 for example
W = 3
H = 2

# indexing='xy'
grid_x, grid_y = torch.meshgrid(torch.arange(W, device='cuda').float(), torch.arange(H, device='cuda').float(), indexing='xy')
# grid_x: tensor([[0., 1., 2.], [0., 1., 2.]])
# grid_y: tensor([[0., 0., 0.], [1., 1., 1.]])

# indexing='ij'
grid_x, grid_y = torch.meshgrid(torch.arange(H, device='cuda').float(), torch.arange(W, device='cuda').float(), indexing='ij')
# grid_x: tensor([[0., 0., 0.], [1., 1., 1.]])
# grid_y: tensor([[0., 1., 2.], [0., 1., 2.]])

• indexing='xy' 生成的 grid_x 对应的是 x 轴坐标，grid_y 对应的是 y 轴坐标
• indexing='ij' 生成的 grid_x 对应的是行索引，grid_y 对应的是列索引

拓展

这也就是为什么在图片坐标系下默认的是 $H\times W$，而在笛卡尔坐标系下默认的是 $W\times H$。