pytorch实现空间两点欧氏距离的计算

N(xn,yn,zn)与M(xm,ym,zm)的欧式距离：

距离平方：

def square_distance(src, dst):
‘’‘
    Input:
        src: source points, [B, N, C]
        dst: target points, [B, M, C]
    Output:
        dist: per-point square distance, [B, N, M]  返回点平方距离
‘’‘
    B, N, _ = src.shape
    _, M, _ = dst.shape
    dist = -2 * torch.matmul(src, dst.permute(0, 2, 1))
    dist += torch.sum(src ** 2, -1).view(B, N, 1)
    dist += torch.sum(dst ** 2, -1).view(B, 1, M)
return dist         

1. dst.permute将张量维度从[B, M, C]变成[B, C,M]，便于矩阵乘法运算，torch.matmul()计算，并乘以-2，即矩阵计算后的张量为[B,N,M]。

2. torch.sum(src**2,-1)用来计算：，计算后张量为[B,N,1]，并与第1步的张量[B,N,M]相加，即。相加(两个张量维度都是3，且对应轴的值需一样或者为1；相加时将为1的轴进行复制扩充，得到两个维度完全相同的重量；然后对应位置相加即可)后的张量维数为[B,N,M]。

3. torch.sum(dst**2,-1)用来计算：，计算后张量为[B,1,M]，并与第2步的张量[B,N,M]相加，即。相加后的张量维数为[B,N,M]。

由此计算出点N与M之间的距离平方。