group_points

接口原型

mx_driving.group_points(Tensor features, Tensor indices) -> Tensor

兼容：

mx_driving.point.group_points(Tensor features, Tensor indices) -> Tensor
mx_driving.point.npu_group_points(Tensor features, Tensor indices) -> Tensor

功能描述

点云数据按照索引重新分组。

参数说明

• features(Tensor)：需要被插值的特征，数据类型为float32，维度为（B, C, N）。
• indices(Tensor)：获取目标特征计算的索引，数据类型为int32，维度为（B, npoints, nsample）。

返回值

• output(Tensor)：分组后的点云数据，数据类型为float32。shape为[B, C, npoints, nsample]。

约束说明

• features和indices第一维度相同，且均不支持标量和空tensor。
• indices元素的值需小于features的第三维度，即值在[0, N)。
• C <= 1024。
• 反向具有相同约束。

支持的型号

• Atlas A2 训练系列产品

调用示例

import torch
import torch_npu
from mx_driving import group_points


indices = torch.tensor([[[0, 2, 5, 5], [1, 0, 5, 0], [2, 1, 4, 4]]]).int().npu()
features = torch.tensor([[[0.9178, -0.7250, -1.6587, 0.0715, -0.2252, 0.4994],
                          [0.6190, 0.1755, -1.7902, -0.5852, -0.3311, 1.9764],
                          [1.7567, 0.0740, -1.1414, 0.4705, -0.3197, 1.1944],
                          [-0.2343, 0.1194, 0.4306, 1.3780, -1.4282, -0.6377],
                          [0.7239, 0.2321, -0.6578, -1.1395, -2.3874, 1.1281]]],
                          dtype=torch.float32).npu()
features.requires_grad = True
output = group_points(features, indices)
grad_out_tensor = torch.ones_like(output)
output.backward(grad_out_tensor)