Pytorch添加自定义算子之（6）-最远点采样自定义算子添加至pytorch中使用并导出onnx模型

最新推荐文章于 2025-05-23 11:46:02 发布
最新推荐文章于 2025-05-23 11:46:02 发布
阅读量191 收藏 1
点赞数
分类专栏： 深度学习之自定义算子实现 文章标签： pytorch 人工智能 python
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/baidu_28342107/article/details/132795747
版权
本文详细介绍了如何在PyTorch中添加自定义的最远点采样操作，并将其整合到网络中。通过配置头文件、cpp源码、GPU支持文件及Python打包脚本，成功编译执行后，进一步将PyTorch模型导出为ONNX格式，便于部署和使用。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

参考：Pytorch2Onnxruntime的github地址，忘记了具体网址了

一、头文件配置

命名为：sampling_gpu.h

#ifndef _SAMPLING_GPU_H
#define _SAMPLING_GPU_H

#include <ATen/cuda/CUDAContext.h>
了解本专栏 订阅专栏 解锁全文 超级会员免费看
Pytorch添加自定义算子之（4）-配置onnxruntime的python调用
baidu_28342107的博客
02-27 365
参考上一篇C++的调用： https://blog.csdn.net/baidu_28342107/article/details/132734699 参考onnxruntime的windows调用： 2.动态库cpp文件：custom_py.cc 二、构建CMakeLists.txt 三、编译 可以看到成功后动态库.so文件以及路径
Pytorch添加自定义算子之（7）-使用onnxruntime自定义GPU与CPU最远点采样算子加载onnx模型
baidu_28342107的博客
02-27 509
参考： https://gitcode.net/mirrors/microsoft/onnxruntime/-/releases?spm=1033.2243.3001.5877 三、配置cuda_ops.cu（无作用） 四、配置cuda_ops.h（无作用） 五、配置custom_op_infer.h 六、配置custom_op_test.cc 七、配置sampling.cpp 八、配置sampling_gpu.cu文件 九、配置sampling_gpu.h文件 十、查看模型输出结果 查看GP
使用Pytorch导出自定义ONNX算子
霹雳吧啦Wz
03-04 3517
在实际部署模型时有时可能会遇到想用的算子无法导出onnx，但实际部署的框架是支持该算子的。此时可以通过自定义onnx算子的方式导出onnx模型（注：自定义onnx算子导出onnx模型后是无法使用onnxruntime推理的）。但对于当前导出onnx场景可以不用管它，后面的参数是实际自己传入的参数。方法指定具体导出自定义算子的名称，以及输入的参数（注：上面示例中传入的都是。打开自己导出的onnx文件，可以看到如下所示网络结构。，后面的参数任为实际自己传入的参数，然后通过。方法是在导出onnx时调用的函数。
torch注册自定义算子并导出onnx(Enet, Centernet)
Artyze的博客
07-28 8887
torch注册自定义算子定义算子计算函数编译生成.so文件测试是否注册成功1. 定义算子的由input到output的计算函数**(op_custom.cpp)**2. 将函数注册到torch中**(op_custom.cpp)**3. 创建setup.py4. 开始编译5. 进行测试->加载模型**(test.py)**第一种：第二种：6. 进行测试->将算子通过symbol注册到torch/onnx(test.py)7. 进行测试->导出模型到onnx(test.py)8. 查看onn
Torch 自定义算子，Onnx自定义算子，TensorRT自定义算子
m0_55630410的博客
01-14 1228
从torch算子到Onnx算子再到TensorRT算子
Pytorch添加自定义算子之（8）-最远点采样自定义算子三种方式验证数据
baidu_28342107的博客
06-30 168
一、原始pytorch实现最远点采样算法 import torch def farthest_point_sample(xyz, M): """ Input: xyz: pointcloud data, [B, N, 3] M: number of samples Return: centroids: sampled pointcloud index, [B, M]采样点云索引 """ device = xyz.dev
fps最远点采样的onnx
01-01
在 ONNX 中实现最远点采样（FPS）涉及几个关键步骤。由于 ONNX 是一种用于表示机器学习模型的标准格式，不直接支持复杂的自定义操作如 FPS，因此需要通过 Python 和其他库来辅助完成这一过程。 #### 使用 Open3D ...
Pointnet++在Pytorch下模型(.pth)转Libtorch下模型(.pt)
qq_37668442的博客
07-05 1977
本文是在pointnet实现的基础上针对pointnet++做的修改。下面我以pointnet++的partseg任务为例对修改进行说明。
PointNet++模型转换实操：一步步完成从PyTorch到ONNX的转变
[PointNet++模型转换实操：一步步完成从PyTorch到ONNX的转变](https://img-blog.csdnimg.cn/f1c5c2133a7f40ae9fb831587079c7fd.png?x-oss-process=image/watermark,type_ZHJvaWRzYW5zZmFsbGJhY2s,shadow_50,text_Q1...
Pytorch添加自定义算子之（11）-C++应用程序将onnx模型编译并转成tensorrt可执行模型
baidu_28342107的博客
08-08 258
参考 opencv tensorrt cuda visual studio 2019 cmake 三、trt_dep.cpp文件和trt_dep.hpp文件 四、主函数segment.cpp 五、CMak配置 1.onnx模型需时静态尺寸模型。 2.当模型输出为yolov5的浮点型时，需要修改屏蔽trt_dep.cpp处的输出，BiseNet分割则不用。
【FPS】最远点采样Python实现
qq_35632833的博客
03-01 4933
1.原理 最远点采样 2.Python实现 import random import math import matplotlib.pyplot as plt M = 50 # 所有的点数量 N = 10 # fps采样点数量 x = [] y = [] xy = [] # 生成数据 random.seed(0) for _ in range(M): px = round(random...
pytorch自定义算子并导出onnx计算图详细代码教程
weixin_45878768的博客
12-09 3342
pytorch自定义算子例子，本案例中包含了多输入多输出，以及张量权重、不同类型attributes的设置方法。
深度学习模型部署学习四
weixin_51179742的博客
07-19 2435
在 PyTorch 中支持更多 ONNX 算子
PointNet++点云处理TensorFlow版
08-29
三维点云是物理世界的三维数据表达形式，其应用日益广泛，如自动驾驶、AR/VR、FaceID等。PointNet网络模型是直接对三维点云数据进行深度学习的开山之作，PointNet++是对PointNet的改进技术。PointNet++是点云处理深度学习里程碑式的工作，启发了很多后续研究。 原作的PointNet++代码使用Python2.7和tensorflow1.4。本课程将PointNet++代码更新至Python3并在tensorflow1.13上演示。  本课程对TensorFlow版的PointNet++进行原理讲解、论文复现和代码详解。包括：   （1）提供三维点云数据集ModelNet40、ShapeNet和Scannet的下载、可视化软件和方法； （2）在Ubuntu系统上演示使用PointNet++进行三维点云的物体分类、部件分割和场景语义分割的训练和测试； （3）详解PointNet++的原理、程序代码和实现细节，并使用PyCharm进行Debug调试代码和单步跟踪。
机器学习基础--FPS(FarthestPointSampling)最远点采样法
sdsc1314的博客
06-08 4896
简介 在 PointNet++ 中用到了FPS(Farthest Point Sampling) 最远点采样法，该方法比随机采样的优势在于它可以尽可能的覆盖空间中的所有点。 实现步骤 假设一共有n个点,整个点集为N = {f1, f2,…,fn}, 目标是选取n1个起始点做为下一步的中心点: ①随机选取一个点fi为起始点，并写入起始点集 B = {fi}; ②选取剩余n-1个点计算和fi点的距离，选择最远点fj写入起始点集B={fi,fj}; ③选取剩余n-2个点分别计算和点集B中每个点的距离,..
PyTorch中cdist和sum函数使用详解
qq_36812406的博客
05-21 740
是 PyTorch 中用于计算**两个张量之间的成对距离（pairwise distance）**的函数，常用于点云处理、图神经网络、相似性度量等场景。
从代码学习深度学习 - 预训练word2vec PyTorch版
weixin_43887510的博客
05-20 1302
词嵌入（Word Embeddings）是自然语言处理（NLP）领域中的基石技术之一。它们将词语从稀疏的、高维的独热编码（one-hot encoding）表示转换为稠密的、低维的向量表示。这些向量能够捕捉词语之间的语义和句法关系，使得相似的词在向量空间中距离更近。Word2Vec是其中一种非常流行且有效的词嵌入算法，由Google的Tomas Mikolov等人在2013年提出。
基于DenseNet的医学影像辅助诊断系统开发教程
shangjg3的博客
05-20 300
我们将从环境搭建开始，逐步介绍数据处理、模型构建、训练、评估以及最终的系统部署。地址：https://www.kaggle.com/tawsifurrahman/covid19-radiography-database。地址：https://www.kaggle.com/c/rsna-pneumonia-detection-challenge。地址：https://nihcc.app.box.com/v/ChestXray-NIHCC。包含：COVID-19、正常和病毒性肺炎的X光和CT影像。
PyTorch中TensorBoardX模块与torch.utils.tensorboard模块的对比分析
最新发布
缘友一世的博客
05-23 806
积极参与PyTorch社区和TensorBoardX的GitHub讨论，获取最新的开发动态和问题解决方案。同时，关注官方发布的更新日志和教程，及时掌握新功能和最佳实践。：对于大规模训练任务，建议使用官方模块，因其在多GPU训练和写入速度上表现更优。：对于使用TensorBoardX的遗留项目，如果项目稳定且无重大功能需求，可以保持现状。若需迁移，建议参考官方迁移指南，逐步替换API调用，确保功能一致性。，因为它与PyTorch的集成更为紧密，且官方支持意味着更好的长期维护和兼容性。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

誓天断发

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值