PyTorch中cdist和sum函数使用详解

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

python 复制代码
torch.cdist(x1, x2, p=2.0)

参数说明:

参数 说明
x1 一个形状为 [B, M, D][M, D] 的张量,表示一组点。
x2 一个形状为 [B, N, D][N, D] 的张量,表示另一组点。
p 距离范数,默认 p=2.0 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

python 复制代码
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:

复制代码
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)

python 复制代码
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

python 复制代码
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

  • x1x2 的最后一维(特征维度)必须相同。
  • p=2 时效率最高,其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

python 复制代码
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
python 复制代码
x = torch.tensor([[1, 2], [3, 4]])
torch.sum(x)
# 输出:tensor(10)
示例 2:指定维度求和
python 复制代码
x = torch.tensor([[1, 2], [3, 4]])

torch.sum(x, dim=0)  # 按列求和:1+3, 2+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
python 复制代码
x = torch.tensor([[1, 2], [3, 4]])

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

相关推荐
难受啊马飞2.010 分钟前
如何判断 AI 将优先自动化哪些任务?
运维·人工智能·ai·语言模型·程序员·大模型·大模型学习
顺丰同城前端技术团队11 分钟前
掌握未来:构建专属领域的大模型与私有知识库——从部署到微调的全面指南
人工智能·deepseek
许泽宇的技术分享14 分钟前
用.NET9+Blazor+Semantic Kernel,打造企业级AI知识库和智能体平台——AntSK深度解读
人工智能
hbwhmama21 分钟前
python高级变量XIII
python
烟锁池塘柳033 分钟前
【深度学习】强化学习(Reinforcement Learning, RL)主流架构解析
人工智能·深度学习·机器学习
一尘之中1 小时前
全素山药开发指南:从防痒处理到高可用食谱架构
人工智能
费弗里1 小时前
Python全栈应用开发利器Dash 3.x新版本介绍(3)
python·dash
dme.1 小时前
Javascript之DOM操作
开发语言·javascript·爬虫·python·ecmascript
加油吧zkf1 小时前
水下目标检测:突破与创新
人工智能·计算机视觉·目标跟踪
加油吧zkf1 小时前
AI大模型如何重塑软件开发流程?——结合目标检测的深度实践与代码示例
开发语言·图像处理·人工智能·python·yolo