MinkowskiEngine實用函式和類

minkowskiengine實用函式和類

sparse_quantize

minkowskiengine.utils.sparse_quantize(coords, feats=none, labels=none, ignore_label=- 100, return_index=false, return_inverse=false, quantization_size=none)

給定座標和特徵（optional的標籤），函式將生成量化（體素化）座標。

args：

coords（numpy.ndarray或torch.tensor）： n×d矩陣大小，其中 n 是點數，d是維數空間。

feats（numpy.ndarray或torch.tensor，optional）：大小矩陣n×df ，其中 n 是點數， df是特徵的尺寸。必須與coords具有相同的容器（即，如果coords是torch.tensor，則feats 也必須是torch.tensor）。

labels（numpy.ndarray或torch.inttensor，optional）：與eah座標關聯的整數標籤。必須與coords具有相同的容器（即，如果coords是torch.tensor，則標籤也必須是torch.tensor）。對於將一組點對映到乙個標籤的分類，請勿輸入標籤。

ignore_label（int，optional）：ignore label的int值。 torch.nn.crossentropyloss(ignore_index=ignore_label)

return_index（bool，optional）：如果需要量化座標的索引，則設定true。預設為false。

return_inverse（bool，optional）：如果希望索引可以恢復離散化的原始座標，則將其設定為true。預設為false。當return_reverse為true時，return_index必須為true。

例：

unique_map, inverse_map = sparse_quantize(discrete_coords, return_index=true, return_inverse=true)

unique_coords = discrete_coords[unique_map]

print(unique_coords[inverse_map] == discrete_coords) # true

quantization_size（float，list或 numpy.ndarray，optional）：網格單元的超矩形各邊的長度。

例：

criterion = torch.nn.crossentropyloss(ignore_index=-100)

coords, feats, labels = minkowskiengine.utils.sparse_quantize(

coords, feats, labels, ignore_label=-100, quantization_size=0.1)

output = net(minkowskiengine.sparsetensor(feats, coords))

loss = criterion(output.f, labels.long())

data_loader = torch.utils.data.dataloader(

dataset,

…,collate_fn=sparsecollation())

for d in iter(data_loader):

print(d)

init（limit_numpoints = -1）

初始化self. see help(type(self))有關準確的簽名。

get_coords_map

minkowskiengine.utils.get_coords_map（x，y）

獲取稀疏張量1和稀疏張量2之間的對映。

args：

x（minkowskiengine.sparsetensor）：x.tensor_stride <= y.tensor_stride的稀疏張量。

y（minkowskiengine.sparsetensor）：x.tensor_stride <= y.tensor_stride的稀疏張量。

返回值：

x_indices（torch.longtensor）：x的索引與返回的y索引相對應。

x_indices（torch.longtensor）：y的索引，它對應於返回的x的索引。

例：… code-block:: python

sp_tensor = me.sparsetensor(features, coords=coordinates)

out_sp_tensor = stride_2_conv(sp_tensor)

ins, outs = get_coords_map(sp_tensor, out_sp_tensor)

for i, o in zip(ins, outs):

print(f" -> ")

catminkowskiengine.cat（* sparse_tensors）

級聯稀疏張量

連線稀疏張量特徵。所有稀疏張量必須具有相同的 coords_key（相同的座標）。要連線具有不同稀疏性模式的稀疏張量，請使用sparsetensor二進位制運算或 minkowskiengine.minkowskiunion。

例：

import minkowskiengine as me

sin = me.sparsetensor(feats, coords)

sin2 = me.sparsetensor(feats2, coords_key=sin.coords_key, coords_man=sin.coords_man)

sout = unet(sin) # returns an output sparse tensor on the same coordinates

sout2 = me.cat(sin, sin2, sout) # can concatenate multiple sparse tensors

MinkowskiEngine實用函式和類

實用函式 define

實用內建函式

彙編實用函式

MinkowskiEngine實用函式和類

實用函式 define

實用內建函式

彙編 實用函式

相關推薦

彙編實用函式