MMDetection3D代码中的常见函数简单介绍（build_xxx、multi_apply）
1.builder.build_xxx()
该函数根据配置字典实例化相应的类。使用格式（以build_dataset函数为例)：
# dataset_cfg为数据集配置字典
dataset = bulider.build_dataset(dataset_cfg)
# 返回数据集类的实例其中配置字典的格式如下：
dataset_cfg = dict(
type='XxxDataset', # 该项是必要的，表示类的名称，需要进行对应的注册
# 例如函数为build_dataset，需要将XxxDataset类注册为DATASETS
param_1=xxx, # 类的初始化参数
param_2=xxx,
...
)对应类的__init__函数定义如下：
@DATASETS.register_module() # 例如函数为build_dataset，需要将XxxDataset类注册为DATASETS
class XxxDataset(Custom3DDataset):
def __init__(self, param_1=xxx, param_2=xxx, ...):
...总的来说，该函数可以看作与下列代码等价：
DatasetClassName = dataset_cfg.pop('type') # DatasetClassName = 'XxxDataset'
DatasetClass = eval(DatasetClassName) # 根据类的名字找到该类
dataset = DatasetClass(**dataset_cfg) # 即XxxDataset(param_1=xxx, param_2=xxx, ...)2.multi_apply()
先从简单用法开始介绍：
2.1 用法1：仅输入非键值对参数
基本格式：
# 设func为函数名称，input为函数的输入（按顺序排列），其中每个input_i为相同长度的列表
output_1, output_2, ... = multi_apply(func, input_1, input_2, ...)
# 输出的output_i也均为列表，长度与输入列表的长度相同其中func函数的定义如下：
def func(in_1, in_2, ...):
...
return out_1, out_2, ...可以将multi_apply()函数理解为与如下代码等价：
def multi_apply(func, input_1, input_2, ...):
output_1, output_2, ... = [], [], ...
for i in range(N): # N为输入列表的长度
out_1, out_2, ... = func(input_1[i], input_2[i], ...)
output_1.append(out_1)
output_2.append(out_2)
...
return output_1, output_2, ...2.2 用法2：输入键值对参数
参考：mmdetection multi_apply_broad-sky的博客-CSDN博客_multi_apply
如果每次调用函数时，有些参数的值不会改变，则可以用键值对形式输入这些参数。基本格式：
output_1, output_2, ... = multi_apply(func, input_1, input_2, ..., kwarg_1=xxx, kwarg_2=xxx, ...)
# 其中kwarg_i为每次调用func函数时均不变的输入，为func函数的kwarg_i要求的格式
其中func函数的定义如下：
def func(in_1, in_2, ..., kwarg_1, kwarg_2, ...):
...
return out_1, out_2, ...可以将multi_apply()函数理解为与如下代码等价：
def multi_apply(func, input_1, input_2, ..., kwarg_1=xxx, kwarg_2=xxx, ...):
output_1, output_2, ... = [], [], ...
for i in range(N): # N为输入列表的长度
out_1, out_2, ... = func(input_1[i], input_2[i], ..., kwarg_1=xxx, kwarg_2=xxx, ...)
output_1.append(out_1)
output_2.append(out_2)
...
return output_1, output_2, ...