PyTorch中cdist和sum函数使用示例详解

2025-05-23 02:50

本文主要是介绍PyTorch中cdist和sum函数使用示例详解,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

《PyTorch中cdist和sum函数使用示例详解》torch.cdist是PyTorch中用于计算**两个张量之间的成对距离(pairwisedistance)**的函数,常用于点云处理、图神经网...

torch.cdist 是 PyTorch 中用于计算**两个张量之间的成对距离(pairwise distance)**的函数,常用于点云处理、图神经网络、相似性度量等场景。

基本语法

torch.cdist(x1, x2, p=2.0)

参数说明:

参数说明
x1一个形状为 [B, M, D] 或 [M, D] 的张量,表示一组点。
x2一个形状为 [B, N, D] 或 [N, D] 的张量,表示另一组点。
p距离范数,默认 python;p=2www.chinasem.cn.0 表示欧几里得距离(L2 范数),也可以设为 1.0(曼哈顿距离),或其他值。

输出

输出是一个张量,形状为:

  • 如果 x1.shape = [M, D]x2.shape = [N, D],则输出形状为 [M, N]
  • 每个 (i, j) 位置表示 x1[i]x2[j] 之间的距离。

示例

1. 简单的 2D 欧几里得距离

import torch
x1 = torch.tensor([[0.0, 0.0], [1.0, 0.0]])  # 2个点
x2 = torch.tensor([[0.0, 1.0], [1.0, 1.0]])  # 2个点
dist = torch.cdist(x1, x2, p=2)
print(dist)

输出为:

tensor([[1.0000, 1.4142],
        [1.4142, 1.0000]])

即:

  • x1[0] 与 x2[0] 的距离为 1;
  • x1[0] 与 x2[1] 的距离为 sqrt(2),等等。

2. 批量形式(3D Tensor)

x1 = torch.rand(2, 5, 3)  # BATch=2, 每组5个3D点
x2 = torch.rand(2, 4, 3)  # batch=2, 每组4个3D点
out = torch.cdist(x1, x2)  # 输出形状为 [2, 5, 4]

3. 使用不同范数

torch.cdist(x1, x2, p=1)   # 曼哈顿距离
torch.cdist(x1, x2, p=2)   # 欧几里得距离(默认)
torch.cdist(x1, x2, p=inf) # 最大维度差

注意事项

  • x1 和 x2 的最后一维(特征维度)必须相同。
  • p=2 时效率最高,其China编程他范数可能会慢一些。
  • 如果两个张量都很大,这个操作可能非常耗显存。

应用场景举例

  • 点云之间距离计算(如 ISS、FPFH、ICP)
  • 匹配点对的距离图构建
  • KNN 查询
  • 图构造(邻接矩阵、相容性矩阵)

torch.sum 是 PyTorch 中用于对张量元素进行求和的函数,功能类似于 NumPy 中的 np.sum,但可以更灵活地选择维度进行操作。

基本用法

torch.sum(input, dim=None, keepdim=False)

参数说明:

  • input:要进行求和的张量;
  • dim(可选):指定在哪个维度上进行求和;
  • keepdim(可选):布尔值,是否保留被求和的维度(默认不保留)。

示例讲解

示例 1:对所有元素求和

x = torch.tensor([[1, 2], [3, 4]])
torch.sum(x)
# 输出:tensor(10)

示例 2:指定维度求和

x = torch.tensor([[1, 2], [3, 4]])
torch.sum(x, dim=0)  # 按列求和:1+3, 2mSQkGM+4
# 输出:tensor([4, 6])
torch.sum(x, dim=1)  # 按行求和:1+2, 3+4
# 输出:tensor([3, 7])

示例 3:保留维度

x = torch.tensor([[1, 2], [3, 4]])
torch.sum(x, dim=1, keepdim=True)
# 输出:tensor([[3], [7]])

到此这篇关于PyTorch中cdist和sum函数使用示例详解的文章就介绍到这了,更多相关PyTorch cdist和sum函数使用内容请搜索编程China编程(www.chinasem.cn)以前的文章或继续浏览下面的相关文章希望大家以后多多支持China编程(www.chinasem.cn)!

这篇关于PyTorch中cdist和sum函数使用示例详解的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/1154737

相关文章

SpringBoot线程池配置使用示例详解

《SpringBoot线程池配置使用示例详解》SpringBoot集成@Async注解,支持线程池参数配置(核心数、队列容量、拒绝策略等)及生命周期管理,结合监控与任务装饰器,提升异步处理效率与系统... 目录一、核心特性二、添加依赖三、参数详解四、配置线程池五、应用实践代码说明拒绝策略(Rejected

C++ Log4cpp跨平台日志库的使用小结

《C++Log4cpp跨平台日志库的使用小结》Log4cpp是c++类库,本文详细介绍了C++日志库log4cpp的使用方法,及设置日志输出格式和优先级,具有一定的参考价值,感兴趣的可以了解一下... 目录一、介绍1. log4cpp的日志方式2.设置日志输出的格式3. 设置日志的输出优先级二、Window

SQL中如何添加数据(常见方法及示例)

《SQL中如何添加数据(常见方法及示例)》SQL全称为StructuredQueryLanguage,是一种用于管理关系数据库的标准编程语言,下面给大家介绍SQL中如何添加数据,感兴趣的朋友一起看看吧... 目录在mysql中,有多种方法可以添加数据。以下是一些常见的方法及其示例。1. 使用INSERT I

Ubuntu如何分配​​未使用的空间

《Ubuntu如何分配​​未使用的空间》Ubuntu磁盘空间不足,实际未分配空间8.2G因LVM卷组名称格式差异(双破折号误写)导致无法扩展,确认正确卷组名后,使用lvextend和resize2fs... 目录1:原因2:操作3:报错5:解决问题:确认卷组名称​6:再次操作7:验证扩展是否成功8:问题已解

Qt使用QSqlDatabase连接MySQL实现增删改查功能

《Qt使用QSqlDatabase连接MySQL实现增删改查功能》这篇文章主要为大家详细介绍了Qt如何使用QSqlDatabase连接MySQL实现增删改查功能,文中的示例代码讲解详细,感兴趣的小伙伴... 目录一、创建数据表二、连接mysql数据库三、封装成一个完整的轻量级 ORM 风格类3.1 表结构

一文详解SpringBoot中控制器的动态注册与卸载

《一文详解SpringBoot中控制器的动态注册与卸载》在项目开发中,通过动态注册和卸载控制器功能,可以根据业务场景和项目需要实现功能的动态增加、删除,提高系统的灵活性和可扩展性,下面我们就来看看Sp... 目录项目结构1. 创建 Spring Boot 启动类2. 创建一个测试控制器3. 创建动态控制器注

使用Docker构建Python Flask程序的详细教程

《使用Docker构建PythonFlask程序的详细教程》在当今的软件开发领域,容器化技术正变得越来越流行,而Docker无疑是其中的佼佼者,本文我们就来聊聊如何使用Docker构建一个简单的Py... 目录引言一、准备工作二、创建 Flask 应用程序三、创建 dockerfile四、构建 Docker

Python使用vllm处理多模态数据的预处理技巧

《Python使用vllm处理多模态数据的预处理技巧》本文深入探讨了在Python环境下使用vLLM处理多模态数据的预处理技巧,我们将从基础概念出发,详细讲解文本、图像、音频等多模态数据的预处理方法,... 目录1. 背景介绍1.1 目的和范围1.2 预期读者1.3 文档结构概述1.4 术语表1.4.1 核

C#读写文本文件的多种方式详解

《C#读写文本文件的多种方式详解》这篇文章主要为大家详细介绍了C#中各种常用的文件读写方式,包括文本文件,二进制文件、CSV文件、JSON文件等,有需要的小伙伴可以参考一下... 目录一、文本文件读写1. 使用 File 类的静态方法2. 使用 StreamReader 和 StreamWriter二、二进

Python使用pip工具实现包自动更新的多种方法

《Python使用pip工具实现包自动更新的多种方法》本文深入探讨了使用Python的pip工具实现包自动更新的各种方法和技术,我们将从基础概念开始,逐步介绍手动更新方法、自动化脚本编写、结合CI/C... 目录1. 背景介绍1.1 目的和范围1.2 预期读者1.3 文档结构概述1.4 术语表1.4.1 核