一种扭曲方法，可以显式地使用自己的结构提取图像，如attantion结构。
该网络作为分类网络的前置，例如mnist分类、车牌分类。 一般分类时，需要将图像转换为正确的角度。 例如，如果脸部识别中有关键点，则通过仿射变换将关键点映射到target角度。 但是，如果没有目标也想映射，可以添加此stn以学习仿射变换的参数，用此参数变换图像，然后再输入背景训练。 stn不需要特殊的loss，用弱监视这样的方法，作为分类网络的一部分在分类loss中训练。
网络型号：
classnet(nn.module ) :def_init_ ) self ) :super ) net，self )._ _ init _ _ (self.con v1=nn5 ) self 50 ) self.fc2=nn.linear ) 50，10 ) spatialtransformerlocalization-network self.localization=nn.sequential (nn . padding=1)，nn.MaxPool2d(2) 2，stride=2)，nn.relu(true ) # regressor for the3*2affinematrixself.fc _ loc 3 * 2) ) initializetheweights/biaswithidentitytransformationself.fc _ loc [2].weight.data.zero _ () self.ff dtype=torch.float ) # spatialtransformernetworkfoor x 65: xs=self.localization (x ) xs=xs.view(-1， 10*3*3) theta=self.fc_loc ) xs ) theta=theta.view x.size () x=F.grid_sample(x ) x，grid )返回x 65: # transformtheinputx=self.stn (x ) # performtheusualforwardpassx=f.relu (f.max _ pool 2d (self.con v1 ) )