如何在Python中生成方形采样网格矩阵并计算对应函数输出值？

解决方案 #

你需要的是x1、x2取值范围为[-2, 2)的32×32规则网格，对应共1024个采样点，同时生成适配计算y1/y2以及后续神经网络训练的输入输出格式，具体实现如下：

1. 正确生成32×32网格 #

你之前的第二版代码已经通过endpoint=False避开了包含右边界2的问题，只需把采样点数调整为32即可，这里提供两种常用的网格输出格式：

格式1：二维网格矩阵（适合绘图/逐点矩阵运算） #

用numpy.meshgrid生成的X1、X2均为32×32的矩阵，每个位置(i,j)的x1、x2坐标分别对应X1[i,j]、X2[i,j]：

import numpy as np

# 生成x1、x2的采样点，共32个，范围[-2,2)
x1 = np.linspace(-2, 2, 32, endpoint=False)
x2 = np.linspace(-2, 2, 32, endpoint=False)

# 生成32×32网格矩阵
X1, X2 = np.meshgrid(x1, x2)

格式2：样本点矩阵（适合直接输入神经网络训练） #

神经网络的输入通常要求为(样本数, 特征数)的二维矩阵，这里样本数为32×32=1024，特征数为2（x1、x2），可以直接从上面的网格矩阵展平得到：

# 展平后拼接为(1024, 2)的输入矩阵
X_train = np.stack([X1.flatten(), X2.flatten()], axis=1)

2. 计算y1、y2的输出矩阵 #

假设你的y1、y2是任意关于x1、x2的函数，比如示例函数y1 = x1**2 + x2**2、y2 = np.sin(x1) + np.cos(x2)，可以直接利用numpy的广播特性批量计算，不需要循环：

输出为二维网格格式（32×32） #

# 直接对网格矩阵运算，得到的y1、y2都是32×32的矩阵
y1 = X1**2 + X2**2
y2 = np.sin(X1) + np.cos(X2)

输出为训练集格式（1024, 2） #

如果需要和X_train对应的训练标签，直接对结果展平拼接即可：

y_train = np.stack([y1.flatten(), y2.flatten()], axis=1)

得到的X_train和y_train可以直接输入到PyTorch/TensorFlow等框架的神经网络中进行训练。

内容的提问来源于stack exchange，提问作者Woohoo