PyTorch中cdist和sum函數(shù)使用示例詳解
更新時間：2025年05月22日 15:08:43 作者：點云SLAM
torch.cdist是PyTorch中用于計算**兩個張量之間的成對距離（pairwise distance）**的函數(shù),常用于點云處理、圖神經(jīng)網(wǎng)絡(luò)、相似性度量等場景,本文給大家介紹PyTorch中cdist和sum函數(shù)使用,感興趣的朋友一起看看吧
torch.cdist 是 PyTorch 中用于計算**兩個張量之間的成對距離（pairwise distance）**的函數(shù)，常用于點云處理、圖神經(jīng)網(wǎng)絡(luò)、相似性度量等場景。
基本語法
torch.cdist(x1, x2, p=2.0)
參數(shù)說明：
| 參數(shù) | 說明 |
|---|---|
x1 | 一個形狀為 [B, M, D] 或 [M, D] 的張量，表示一組點。 |
x2 | 一個形狀為 [B, N, D] 或 [N, D] 的張量，表示另一組點。 |
p | 距離范數(shù)，默認 p=2.0 表示歐幾里得距離（L2 范數(shù)），也可以設(shè)為 1.0（曼哈頓距離），或其他值。 |
輸出
輸出是一個張量，形狀為：
- 如果
x1.shape = [M, D]和x2.shape = [N, D]，則輸出形狀為[M, N]； - 每個
(i, j)位置表示x1[i]和x2[j]之間的距離。
示例
1. 簡單的 2D 歐幾里得距離
import torch x1 = torch.tensor([[0.0, 0.0], [1.0, 0.0]]) # 2個點 x2 = torch.tensor([[0.0, 1.0], [1.0, 1.0]]) # 2個點 dist = torch.cdist(x1, x2, p=2) print(dist)
輸出為：
tensor([[1.0000, 1.4142],
[1.4142, 1.0000]])
即：
- x1[0] 與 x2[0] 的距離為 1；
- x1[0] 與 x2[1] 的距離為 sqrt(2)，等等。
2. 批量形式（3D Tensor）
x1 = torch.rand(2, 5, 3) # batch=2, 每組5個3D點 x2 = torch.rand(2, 4, 3) # batch=2, 每組4個3D點 out = torch.cdist(x1, x2) # 輸出形狀為 [2, 5, 4]
3. 使用不同范數(shù)
torch.cdist(x1, x2, p=1) # 曼哈頓距離 torch.cdist(x1, x2, p=2) # 歐幾里得距離（默認） torch.cdist(x1, x2, p=inf) # 最大維度差
注意事項
x1和x2的最后一維（特征維度）必須相同。p=2時效率最高，其他范數(shù)可能會慢一些。- 如果兩個張量都很大，這個操作可能非常耗顯存。
應(yīng)用場景舉例
- 點云之間距離計算（如 ISS、FPFH、ICP）
- 匹配點對的距離圖構(gòu)建
- KNN 查詢
- 圖構(gòu)造（鄰接矩陣、相容性矩陣）
torch.sum 是 PyTorch 中用于對張量元素進行求和的函數(shù)，功能類似于 NumPy 中的 np.sum，但可以更靈活地選擇維度進行操作。
基本用法
torch.sum(input, dim=None, keepdim=False)
參數(shù)說明：
input：要進行求和的張量；dim（可選）：指定在哪個維度上進行求和；keepdim（可選）：布爾值，是否保留被求和的維度（默認不保留）。
示例講解
示例 1：對所有元素求和
x = torch.tensor([[1, 2], [3, 4]]) torch.sum(x) # 輸出：tensor(10)
示例 2：指定維度求和
x = torch.tensor([[1, 2], [3, 4]]) torch.sum(x, dim=0) # 按列求和：1+3, 2+4 # 輸出：tensor([4, 6]) torch.sum(x, dim=1) # 按行求和：1+2, 3+4 # 輸出：tensor([3, 7])
示例 3：保留維度
x = torch.tensor([[1, 2], [3, 4]]) torch.sum(x, dim=1, keepdim=True) # 輸出：tensor([[3], [7]])
到此這篇關(guān)于PyTorch中cdist和sum函數(shù)使用示例詳解的文章就介紹到這了,更多相關(guān)PyTorch cdist和sum函數(shù)使用內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！
相關(guān)文章
為什么選擇python編程語言入門黑客攻防，小編今天給你幾個理由!Python語言的優(yōu)點、Python黑客攻擊優(yōu)點，具有一定的參考價值，感興趣的小伙伴們可以參考一下2018-02-02
本文主要介紹了Python讀取中文路徑出現(xiàn)亂碼的問題解決,文中通過示例代碼介紹的非常詳細,對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值,需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧2024-06-06
Python中的對象，方法，類，實例，函數(shù)用法分析
這篇文章主要介紹了Python中的對象,方法,類,實例,函數(shù)用法,從面向?qū)ο蟮慕嵌确治隽藢ο?方法,類,實例,函數(shù)等的使用技巧,具有一定參考借鑒價值,需要的朋友可以參考下2015-01-01
這篇文章主要介紹了Django 請求Request的具體使用方法，文中通過示例代碼介紹的非常詳細，對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值，需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧2019-11-11
這篇文章主要為大家詳細介紹了wxPython實現(xiàn)列表增刪改查功能，文中示例代碼介紹的非常詳細，具有一定的參考價值，感興趣的小伙伴們可以參考一下2019-11-11
這篇文章主要介紹了Python hashlib常見摘要算法詳解,文中通過示例代碼介紹的非常詳細，對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值,需要的朋友可以參考下2020-01-01
上次實現(xiàn)的校園網(wǎng)IP網(wǎng)關(guān)登錄器其中一個關(guān)鍵部分就是提交登錄網(wǎng)頁的表單,下面是我的Python實現(xiàn)代碼2009-02-02
這篇文章主要介紹了用Python編寫分析Python程序性能的工具教程,包括了對內(nèi)存泄漏等常見問題的檢測方法,需要的朋友可以參考下2015-04-04
Python調(diào)用GPU算力的實現(xiàn)步驟
本文介紹了在Python中調(diào)用GPU算力的基本步驟,文中通過示例代碼介紹的非常詳細,對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值,需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧2025-03-03
Python數(shù)據(jù)結(jié)構(gòu)與算法之圖的廣度優(yōu)先與深度優(yōu)先搜索算法示例
這篇文章主要介紹了Python數(shù)據(jù)結(jié)構(gòu)與算法之圖的廣度優(yōu)先與深度優(yōu)先搜索算法,結(jié)合實例形式分析了圖的廣度優(yōu)先與深度優(yōu)先搜索算法原理與相關(guān)實現(xiàn)技巧,需要的朋友可以參考下2017-12-12