torch.meshgrid 用于从一维坐标张量生成二维坐标网格，其输出顺序遵循“先列后行”约定（即 x 对应列方向、y 对应行方向），理解索引维度对齐方式是避免混淆的关键。
`torch.meshgrid` 用于从一维坐标张量生成二维坐标网格，其输出顺序遵循“先列后行”约定（即 `x` 对应列方向、`y` 对应行方向），理解索引维度对齐方式是避免混淆的关键。
在 PyTorch 中，torch.meshgrid 是构建笛卡尔坐标网格的核心工具，广泛应用于空间建模、图像采样、网格化损失计算（如神经 A* 算法中的代价场构造）等场景。它接收多个一维张量（通常代表各轴上的坐标点），返回对应数量的多维张量，每个张量在指定维度上广播展开，共同构成完整的坐标空间。
关键在于：torch.meshgrid(x, y) 中，x 默认映射到 列方向（即第二维，dim=1），y 映射到 行方向（即第一维，dim=0）。这与 NumPy 的默认行为（indexing='xy'）一致，但不同于传统数学矩阵索引直觉——需特别注意维度语义。
以示例说明：
import torch
x = torch.tensor([1, 2, 3]) # x 坐标（列方向）
y = torch.tensor([4, 5, 6]) # y 坐标（行方向）
grid_x, grid_y = torch.meshgrid(x, y, indexing='xy') # PyTorch 1.12+ 推荐显式指定
print("grid_x (x broadcast along columns):")
print(grid_x)
print("\ngrid_y (y broadcast along rows):")
print(grid_y)输出为：
grid_x (x broadcast along columns):
tensor([[1, 2, 3],
[1, 2, 3],
[1, 2, 3]])
grid_y (y broadcast along rows):
tensor([[4, 4, 4],
[5, 5, 5],
[6, 6, 6]])此时，位置 (i, j) 上的坐标对为 (grid_x[i, j], grid_y[i, j])，即 (x[j], y[i]) —— 完美对应二维平面中标准 (column, row) 坐标系（类似图像坐标 (width, height)）。
⚠️ 注意：若省略 indexing='xy'（旧版本或未指定时），PyTorch 1.12 默认仍为 'xy'，但为代码可读性与向后兼容，强烈建议显式声明 indexing='xy'。若需与旧版 NumPy 'ij' 行为对齐（即 x 沿行、y 沿列），可传入 indexing='ij'，此时 torch.meshgrid(x, y, indexing='ij') 输出将与提问中最初的“非预期”结果一致。
实际应用中，常配合 torch.stack 构造坐标对张量：
coords = torch.stack((grid_x, grid_y), dim=-1) # shape: [3, 3, 2]
print("Coordinate tensor (H, W, 2):")
print(coords[0, 0]) # tensor([1, 4]) → (x=1, y=4)总结：meshgrid 不是简单转置，而是按坐标轴语义进行维度广播；牢记 x → columns (dim=1), y → rows (dim=0)，并在调用时显式指定 indexing='xy'，即可准确构建所需的空间网格，避免在路径规划、特征采样等任务中出现坐标错位问题。
