def EPE(input_flow, target_flow, sparse=False, mean=True): EPE_map = torch.norm(target_flow-input_flow,2,1) batch_size = EPE_map.size(0) if sparse: # invalid flow is defined with both flow coordinates to be exactly 0 mask = (target_flow[:,0] == 0) & (target_flow[:,1] == 0) EPE_map = EPE_map[~mask] if mean: return EPE_map.mean() else: return EPE_map.sum()/batch_size

这段代码是用来计算光流场误差（End Point Error，EPE）的，其中input_flow表示输入的光流场，target_flow表示目标光流场。如果sparse参数为True，则会忽略无效的光流向量，即目标光流场中两个坐标都为0的向量。如果mean参数为True，则返回所有有效光流向量的平均EPE；否则返回所有有效光流向量的总EPE除以批次大小。