# utils

Python API: `luxonis_train.attached_modules.metrics.utils`

关键点指标的辅助函数。

[merge_bbox_kpt_targets](/software-v3/ai-inference/model-source/training/luxonis-train/luxonis-train-api-reference/attached_modules/metrics/utils.md)
将边界框标签和关键点标签合并到一个张量中。[fix_empty_tensor](/software-v3/ai-inference/model-source/training/luxonis-train/luxonis-train-api-reference/attached_modules/metrics/utils.md)
将空的单维张量重塑为 `[1, 0]` 的形状。

## 函数

### fix_empty_tensor

```python
def fix_empty_tensor(tensor: Tensor) -> Tensor:
```

将空的单维张量重塑为 `[1, 0]` 的形状。

关键点指标在将其附加到其列表状态的张量上调用此函数。形状为 `[0]` 的空张量可能会在 DDP 模式下导致问题。该函数返回所有其他张量不变。

> **示例**
> ```pycon
>>> import torch
>>> fix_empty_tensor(torch.zeros(0)).shape
torch.Size([1, 0])
>>> fix_empty_tensor(torch.zeros(0, 3)).shape
torch.Size([0, 3])
```

参数

 * `tensor` (`Tensor`): 要检查的张量。

返回

 * `Tensor`: 当 `tensor` 为空且为一维时，形状为 `[1, 0]` 的视图，否则为 `tensor` 本身。

### merge_bbox_kpt_targets

```python
def merge_bbox_kpt_targets(target_boundingbox: Tensor, target_keypoints: Tensor, *, device: torch.device | None = None) -> Tensor:
```

将边界框和关键点标签合并到一个张量中。

该函数将框从 `xywh`（其中 `x` 和 `y` 是左上角）转换为 `xyxy`。它保留了归一化坐标。结果的第 `i` 行合并了两个标签的第 `i` 行。

> **示例**
> ```pycon
>>> import torch
>>> boxes = torch.tensor([[0.0, 3.0, 0.25, 0.25, 0.5, 0.25]])
>>> keypoints = torch.tensor([[0.0, 0.5, 0.375, 2.0]])
>>> merge_bbox_kpt_targets(boxes, keypoints).tolist()
[[0.0, 3.0, 0.25, 0.25, 0.75, 0.5, 0.5, 0.375, 2.0]]
```

参数

 * `target_boundingbox` (`Tensor`): 框标签，形状为 `[N, 6]`，行格式为 `[batch_index, class, x, y, w, h]`。
 * `target_keypoints` (`Tensor`): 关键点标签，形状为 `[N, 1 + 3K]`，行格式为 `[batch_index, x_1, y_1, v_1, ..., x_K, y_K, v_K]`，与
   `target_boundingbox` 的行顺序相同。
 * `device` (`torch.device | None`): 结果的设备。`None` 选择 `torch` 的默认设备。

返回

 * `Tensor`: 形状为 `[N, 6 + 3K]` 的新浮点张量，行格式为 `[batch_index, class, x1, y1, x2, y2, x_1, y_1, v_1, ...]`。
