Python深度学习——torch.expand()广播机制 | torch.norm()

【python深度学习】——torch.expand广播机制|torch.norm

• 1. torch.expand()函数与广播机制的运用
  • 2. 利用torch.norm()进行范数的计算
  • 3. 融合应用的完整代码示例

1. torch.expand()与广播机制

在对三维点云数据进行处理的过程中，有时需要对两组点云数据执行逐点的三维坐标加减运算或点积操作。然而，在实际读取PCD文件时，所获取的点云数据数量并不总是保持一致。

由此引发的首要问题在于，如何将这两组点云数据转换为维度相同的矩阵形式，以便后续计算能够顺利进行？

在PyTorch框架中，一个常用的解决方案是采用expand函数。例如，以下代码片段展示了其具体应用方式：

    def expand_matrix(ori_A, ori_B):
    point_num_A = ori_A.size()[0] #原始点云A的点数
    point_dim = ori_A.size()[1]   #原始点云A的坐标维度,一般为3维
    point_num_B = ori_B.size()[0]
    assert point_dim == ori_B.size()[1] #保障都是3维点云
    
    # 假定expand目标为（