计算两个点集的逐点平均距离，点集的特征大小为[32,512,3]，pytorch张量

在PyTorch中计算两个点集的逐点平均距离，假设每个点集都是由3维数组构成的，形状为[batch_size, feature_dim, point_count]，你可以先将这两个点集展平到(batch_size * point_count, feature_dim)然后再计算它们之间的欧氏距离，最后取均值。这里是一个简单的示例：

import torch

# 假设我们有两个点集
point_set_1 = torch.randn(32, 512, 3)  # 第一个点集
point_set_2 = torch.randn(32, 512, 3)  # 第二个点集

# 展平点集
flat_point_set_1 = point_set_1.view(-1, 512*3)  # batch_size * point_count, feature_dim
flat_point_set_2 = point_set_2.view(-1, 512*3)

# 计算点对间的距离矩阵
distance_matrix = torch.cdist(flat_point_set_1, flat_point_set_2, p=2)  # 对于三维空间通常选择p=2（欧氏距离）

# 取平均距离
average_distance = distance_matrix.mean(dim=0)  # 沿着batch维度求均值

# 如果需要按原点集划分返回对应元素的距离，可以这样做：
# average_distance_per_pair = distance_matrix.mean(dim=1)