Question about class Ublock

[PoistRXE]

wen博，你好
我有一个问题想请教您，是关于'train_pointgroup.py'中创建网络模型时用到的UBlock类
这个类的forward方法实现如下:

  def forward(self, input):
      output = self.blocks(input)
      identity = spconv.SparseConvTensor(output.features, output.indices, output.spatial_shape, output.batch_size)
      if len(self.nPlanes) > 1:
          output_decoder = self.conv(output)
          output_decoder = self.u(output_decoder)
          output_decoder = self.deconv(output_decoder)
          output.features = torch.cat((identity.features, output_decoder.features), dim=1)
          output = self.blocks_tail(output)

      return output

当len(self.nPlanes) > 1时，output.features的维度是self.nPlanes[0]*2，output的维度是self.nPlanes[0]，但是self.blocks_tail()需要output和output.features这两个tensor的维度都是self.nPlanes[0]，为什么这里会出现函数输入维度和实际输入维度不一致的情况呢？

[wenbowen123]

Did you meet any error when running the segmentation?

[PoistRXE]

您的程序应该是没有问题的，只是我的电脑显卡是3060 laptop，和您搭建的docker环境无法兼容（1650 laptop显卡能够兼容您的docker环境），所以我没有办法运行基于gpu运行的神经网络，主要是没有办法运行和调试pointgroup net，因为另外两个网络(grasp net和nunocs net)都可以通过修改代码实现cpu运行，能够现实正常的运行和调试。
我之所以提出这个问题是我不太理解这个网络的结构，在推导网络结构的时候发现了这个问题，不知道您对这个网络是否有比较好的理解方式或解释