def forward(self, pointcloud: torch.cuda.FloatTensor): xyz, features = self._break_up_pc(pointcloud) l_xyz, l_features = [xyz], [features] channel_out = None for i in range(len(self.SA_modules)): li_xyz, li_features = self.SA_modules[i][0](l_xyz[i], l_features[i]) l_xyz.append(li_xyz) l_features.append(li_features) # channel_out = li_features.size(1) #修改 如果要将它们传入 SA 模块中，只需要在循环中定义一个变量 channel_out，然后将其作为参数传入 SA 模块即可。同时，也需要将 l_xyz[i] 和 l_features[i] 作为参数传入 SA 模块 l_features[i] = self.SA_modules[i][1](l_features[i]) #SelfAttention模块需要传入的参数为输入特征向量l_features[i] for i in range(-1, -(len(self.FP_modules) + 1), -1): l_features[i - 1] = self.FP_modules[i]( l_xyz[i - 1], l_xyz[i], l_features[i - 1], l_features[i] ) return l_xyz[0], l_features[0]为什么self.SA_modules[i][1](l_features[i])中的l_features[i]被提示为空

可能是因为在循环中定义了变量 channel_out，但没有将其作为参数传递给 SA 模块的第一个组件，导致在第二个组件中无法使用 l_features[i] 参数。你可以尝试修改代码如下：

def forward(self, pointcloud: torch.cuda.FloatTensor):
    xyz, features = self._break_up_pc(pointcloud)
    l_xyz, l_features = [xyz], [features]
    channel_out = None
    for i in range(len(self.SA_modules)):
        li_xyz, li_features = self.SA_modules[i][0](l_xyz[i], l_features[i])
        l_xyz.append(li_xyz)
        l_features.append(li_features)
        channel_out = li_features.size(1)
        l_features[i+1] = self.SA_modules[i][1](l_xyz[i+1], l_features[i+1], l_xyz[i], l_features[i], channel_out)
    for i in range(-1, -(len(self.FP_modules) + 1), -1):
        l_features[i - 1] = self.FP_modules[i](
            l_xyz[i - 1], l_xyz[i], l_features[i - 1], l_features[i]
        )
    return l_xyz[0], l_features[0]

这样，就将 channel_out 参数传递给了 SA 模块的第一个组件，并且在第二个组件中使用了 l_features[i+1] 参数。