Minkowski坐标管理
坐标键
classMinkowskiEngine.CoordsKey（D）
init（D）
初始化self. See help(type(self))有关准确的签名。
getKey（）
getTensorStride（）
isKeySet（）
setKey（key）
setTensorStride（tensor_stride）
坐标管理器
Class MinkowskiEngine.CoordsManager（num_threads ： int = -1，memory_manager_backend ： MinkowskiEngineBackend.MemoryManagerBackend = None，D ： int = -1）
init（num_threads ： int = -1，memory_manager_backend ： MinkowskiEngineBackend.MemoryManagerBackend = None，D ： int = -1）
初始化self. See help(type(self))有关准确的签名。
create_coords_key（COORDS ： torch.IntTensor，tensor_stride ： INT = 1，force_creation ： BOOL = False，force_remap ： BOOL = False，allow_duplicate_coords ： BOOL = False） → MinkowskiCoords.CoordsKey
get_batch_indices（）
get_batch_size（）
get_coords（coords_key_or_tensor_strides）
get_coords_map（in_key_or_tensor_strides，out_key_or_tensor_strides）
提取映射到输出坐标索引的输入坐标索引。
sp_tensor = ME.SparseTensor(features, coords=coordinates)
out_sp_tensor = stride_2_conv(sp_tensor)

cm = sp_tensor.coords_man

cm = out_sp_tensor.coords_man # doesn’t matter which tensor you pick

ins, outs = cm.get_coords_map(1, # in stride
2) # out stride
for i, o in zip(ins, outs):
print(f"{i} -> {o}")
get_coords_size_by_coords_key（coords_key）
get_kernel_map（in_key_or_tensor_strides，out_key_or_tensor_strides，stride = 1，kernel_size = 3，dilation = 1，region_type = 0，region_offset = None，is_transpose = False，is_pool = False，on_gpu = False）
获取指定坐标键或张量stride的内核出入映射。
get_mapping_by_tensor_strides（in_tensor_strides，out_tensor_strides）
get_row_indices_at（coords_key，batch_index）
返回指定批处理索引的torch.LongTensor行索引
sp_tensor = ME.SparseTensor(features, coords=coordinates)
row_indices = sp_tensor.coords_man.get_row_indices_at(sp_tensor.coords_key, batch_index)
get_row_indices_per_batch（coords_key，out_coords_key =None）
返回每个批次的行索引List。
相应的批处理索引可通过get_batch_indices访问。
sp_tensor = ME.SparseTensor(features, coords=coordinates)
row_indices = sp_tensor.coords_man.get_row_indices_per_batch(sp_tensor.coords_key)
get_union_map（in_keys ： List[ MinkowskiCoords.CoordsKey ]，out_key ： MinkowskiCoords.CoordsKey）
生成坐标集的并集，并将映射从输入集返回到新的输出坐标。
精氨酸：
in_keys （List [CoordsKey]）：在其上创建并集的坐标键List。
out_key （CoordsKey）：生成的并列坐标散列图的坐标键的占位符。
返回值：
in_maps（List [Tensor [int]]）：长张量的List，其中包含从输入到联合输出的映射。请参阅示例以获取更多详细信息。 out_maps（List [Tensor [int]]）：长张量的List，其中包含从输入到联合输出的映射。请参阅示例以获取更多详细信息。
例：

Adding two sparse tensors: A, B

out_key = CoordsKey(coords_man.D)
ins, outs = coords_man.get_union_map((A.coords_key, B.coords_key), out_key)
N = coords_man.get_coords_size_by_coords_key(out_key)
out_F = torch.zeros((N, A.F.size(1)), dtype=A.dtype)
out_F[outs[0]] = A.F[ins[0]]
out_F[outs[1]] += B.F[ins[1]]
initialize（COORDS ： torch.IntTensor，coords_key ： MinkowskiCoords.CoordsKey，force_creation ： BOOL = False，force_remap ： BOOL = False，allow_duplicate_coords ： BOOL = False，return_inverse ： BOOL = False） →torch.LongTensor
permute_label（label，max_label，target_tensor_stride，label_tensor_stride = 1）
print_diagnostics（coords_key ： MinkowskiCoords.CoordsKey）
reduce（）
set_origin_coords_key（coords_key ： MinkowskiCoords.CoordsKey）
stride（coords_key ： MinkowskiCoords.CoordsKey，stride： Union [ int ， collections.abc.Sequence ， numpy.ndarray ， Torch.Tensor ]，force_creation ： bool = False）
transposed_stride（coords_key ： MinkowskiCoords.CoordsKey，stride： Union [ int ， collections.abc.Sequence ， numpy.ndarray ， torch.Tensor ]，kernel_size ： Union [ int ， collections.abc.Sequence ， numpy.ndarray ， torch.Tensor ]，dilation： Union [ int ， collections.abc.Sequence ， numpy.ndarray ， Torch.Tensor ]，force_creation ： bool = False）
坐标GPU内存管理器
classMinkowskiEngine.MemoryManagerBackend
Members:
CUDA
PYTORCH
property name
(self: handle) -> str
MinkowskiEngine.MinkowskiCoords.set_memory_manager_backend(backend: MinkowskiEngineBackend.MemoryManagerBackend)
设置GPU内存管理器后端
默认情况下，Minkowski引擎将使用pytorch内存池分配临时GPU内存插槽。这使pytorch后端可以有效地重用pytorch后端和Minkowski引擎之间共享的内存池。给定固定的GPU内存，它倾向于允许以较大的批处理量进行训练。但是，pytorch内存管理器往往比直接使用原始CUDA调用分配GPU慢。
默认情况下，Minkowski引擎 ME.MemoryManagerBackend.PYTORCH用于内存管理。
例：

import MinkowskiEngine as ME

Set the GPU memory manager backend to raw CUDA calls

ME.set_memory_manager_backend(ME.MemoryManagerBackend.CUDA)

Set the GPU memory manager backend to the pytorch memory pool

ME.set_memory_manager_backend(ME.MemoryManagerBackend.PYTORCH)

Minkowski坐标管理相关推荐

如何在WorkNC中快速建立坐标管理器
点击"刀具路径"下"MACHINE POSITION" 点击"加工坐标系"下"NEW.ucs1"-"新建&qu ...
allegropcb怎么导出成cad_私藏技巧分享！CAD中的表格坐标快速输出成Excel！
我们在测量放样过程中,会遇到很多点的坐标需要输入到手簿里面,如果坐标文件是Excel表格.txt文本文档.Word或者dat文件都还好说,但如果遇见CAD里面的表格坐标文件就会很麻烦了,如图1所示,相 ...
已知坐标求方位角_【干货】RTK视频实操 | 求转换参数详解和七点注意事项！
RTK视频教学,『求转换参数』,技术员结合测量一线实操经验,运用工程之星5.0软件为大家讲解如何求转换参数,以及求转换参数需要注意哪些事项. 求转换参数操作通常情况下,科力达工程之星直接输出的坐标为 ...
南方h5手簿求转换参数_工程之星、 gps操作、RTK求转换参数操作步骤
二．移动站移动站开机后,接收到基准站电台信号,STA灯和DL灯以发射间隔均匀闪烁. 工程之星操作步骤: 1．打开工程之星,路径:我的电脑→FLASH DISK→STEUP→工程之星3.0(根据应用 ...
UE4角色Location远距离时动画抖动问题（float精度不够）解决方案
正题:关于UE4引擎当角色Location超过9999.999后,角色动画更新抖动问题的解决思路. 前提: 1.UE4引擎中距离单位是厘米(cm),也就说我们制作好1.8米的角色在UE4中为180个虚 ...
oem718d 基准站设置_RTK电台、网络模式作业设置流程
RTK作业的简要流程仪器架设完成基准站和移动站硬件架设与配置,搭建作业的硬件环境. 新建工程创建工程,配置参数.坐标等基础信息,完成作业所需的数据基础. 求转换参数匹配工程所需平面坐标和默认经 ...
5 随窗口改变大小_C4D默认界面两个关于坐标轴的窗口有什么区别
前言在一开始学习C4D的时候,就有这个疑问,为什么明明物体的属性都有了一个坐标属性的窗口了,还要有一个和坐标相关的窗口在默认的界面呢,后边在使用的过程中才慢慢理解了额外的坐标管理器窗口的作用,这一篇 ...
Maven入门指南：仓库
转载http://www.cnblogs.com/luotaoyeah/p/3785044.html 1 . 仓库简介没有 Maven 时,项目用到的 .jar 文件通常需要拷贝到 /lib 目录, ...
爱奇艺埋点投递治理实践
9月26日下午,爱奇艺技术产品团队举办了第19期"i技术会",本次技术会的主题是"数据治理探索与应用",来自快手.美团.快看的几位资深专家同大家就相关议题进行了 ...

Minkowski坐标管理

cm = out_sp_tensor.coords_man # doesn’t matter which tensor you pick

Adding two sparse tensors: A, B

Set the GPU memory manager backend to raw CUDA calls

Set the GPU memory manager backend to the pytorch memory pool

Minkowski坐标管理相关推荐

最新文章

热门文章