Pytorch - 如何有效地形成这个变换张量？答案

【问题标题】：Pytorch - How to efficiently form this Transform tensor?Pytorch - 如何有效地形成这个变换张量？
【发布时间】：2019-07-08 20:48:19
【问题描述】：

我有一组旋转矩阵 Rs：

Rs.shape = [62x3x3]

还有一套翻译组件Js：

Js.shape = [62x3]

我一直在尝试找到一种有效的方法将它们组合成一个 [62x4x4] 矩阵，该矩阵是 62 个同质变换矩阵。目前我正在用一个愚蠢的 for 循环来做这件事：

def make_A(R, t):
    R_homo = torch.cat([R, torch.zeros(1, 3).cuda()], dim = 0)
    t_homo = torch.cat([t.view(3,1), torch.ones(1, 1).cuda()], dim = 0)
    return torch.cat([R_homo, t_homo], dim=1)

transforms = self.NUM_JOINTS*[None]
for idj in range(0, self.NUM_JOINTS):
    transforms[idj] = make_A(Rs[idj, :], Js[idj,:])

FinalMatrix = torch.stack(transforms, dim=0)

这是非常低效的，并且需要将近 10 毫秒才能形成。我怎样才能张张这个？

【问题讨论】：

我靠近了：torch.cat([Rs, torch.unsqueeze(J_vec, -1)], dim = 2) 我只需要弄清楚如何添加 [0,0,0 ,1]

标签： pytorch

【解决方案1】：

不确定它是否有助于提高效率，但这应该矢量化您的代码：

def make_A(Rs, Js):
    R_homo = torch.cat((Rs, torch.zeros(Rs.shape[0], 1, 3)), dim=1)
    t_homo = torch.cat((Js, torch.ones(Js.shape[0], 1)), dim=1)
    return torch.cat((R_homo, t_homo.unsqueeze(2)), dim=2)

【讨论】：