为什么Open3D可视化TensorFlow张量速度超慢

问题描述

在使用Open3D可视化TensorFlow张量表示的点云时速度超慢

原因分析

可能是因为Open3D没有针对tf.Tensor做优化,也可能是tf.Tensor本身没有对张量的操作做优化,所以可能如果要在CPU中计算,numpy可能性能更好。

解决方案

open3d.utility.Vector3dVector传参一定不要直接传tf.Tensor会非常慢,应该按照Open3D方文档的要求传numpy.ndarry类型的数据。故需要使用tf.Tensor张量的numpy()方法将tf张量转化为numpy张量,具体操作如下:

python 复制代码
...
np_points = tf_points.numpy()
pcd.points = open3d.utility.Vector3dVector(np_points)
...
相关推荐
网易云信10 分钟前
AI 用了两年,我们却成了它的"传话筒"?
人工智能
得物技术14 分钟前
指标平台:从语义底座到智能消费的实践路径|得物技术
数据库·人工智能·ai编程
jsl_jsl_jsl15 分钟前
《桌面端的读写通道:Admin 接口层的设计与安全防线》
人工智能
努力学习的代码小白17 分钟前
源码学习04
python
#卢松松#21 分钟前
用AI做网站,已经到了找BUG阶段了
人工智能·创业创新
ysu_031423 分钟前
PINNs的参数反演——从“正问题”到“逆问题”的工程改造
人工智能·pytorch·深度学习·mcmc·参数反演·逆问题·darcy流
joinwell5223 分钟前
没收到回复,再点一次会启动两个 AI 吗?
人工智能·后端
hzxxxz23 分钟前
2000份投稿里的共性-工具建设可复用的4条原则
人工智能
Bolt24 分钟前
Agent: 将 harness 工程升级到认知工程
人工智能·架构·agent
桃西西呀25 分钟前
限速 30 和限速 80 只差一个数字,卷积网络怎么分得清?
人工智能·深度学习·llm