竞价页面网站做优化武汉百度开户代理

topk 是 PyTorch 中的一个函数，用于从张量中选取最大（或最小）的 k 个元素及其对应的索引。其定义如下：

values, indices = torch.topk(input, k, dim=None, largest=True, sorted=True, *, out=None)

参数说明

• input (Tensor): 输入张量。
• k (int): 要选取的最大（或最小）元素的数量。
• dim (int, 可选): 指定沿着哪个维度进行操作。默认为 None，此时沿着最后一个维度进行操作。
• largest (bool, 可选): 如果为True，则选取最大的 k 个元素；如果为 False，则选取最小的 k 个元素。默认为 True。
• sorted (bool, 可选): 如果为 True，则返回的值是排序过的（即最大的值排在前面）。如果为 False，则返回的值是按照它们在原张量中的顺序排列。默认为 True。
• out (tuple, 可选): 可以指定一个元组来存储输出结果。元组应该包含两个张量，分别用于存储值和索引。默认为None。

代码片段赏析:

    def get_embedding_indices(self, points):r"""Compute the indices of pair-wise distance embedding and triplet-wise angular embedding.Args:points: torch.Tensor (B, N, 3), input point cloudReturns:d_indices: torch.FloatTensor (B, N, N), distance embedding indicesa_indices: torch.FloatTensor (B, N, N, k), angular embedding indices"""batch_size, num_point, _ = points.shapedist_map = torch.sqrt(pairwise_distance(points, points))  # (B, N, N)d_indices = dist_map / self.sigma_dk = self.angle_k##! largest=False的含义是选择K个距离最小的点, dim=2代表从dist_map的第二个维度来选择knn_indices = dist_map.topk(k=k + 1, dim=2, largest=False)[1][:, :, 1:]  # 这里将 dist_map.topk会返回values和indices, 用索引1来取出indices后， 再从所有的knn中去掉自身， 所以取[:, :, 1:]