loss.item()
- 费时
python
loss.backward()
loss_item = loss.item() # todo loss.item() 这个比较费时间 0.2743 秒- 省时
python
loss_item = loss.item() #todo 把它 移到 loss.backward() 前面，这个操作只需要 0.00027 秒
loss.backward()Index
python
d_inv[torch.isinf(d_inv)] = 0.0 # todo 这个超级费时间 大约 0.04秒Top-k 替换 argsort
python
torch.argsort(pc1_sampling_confidence, dim=-1, descending=True)[:, :64] # 费时
torch.topk(pc1_sampling_confidence, 64, dim=-1) # 省时申明对象
python
torch.arange(B, dtype=torch.long, device="cuda") # 省时
torch.arange(B, dtype=torch.long).to("cuda") # 费时
A.to("cuda") 与 A.cuda() 是一样的时间