الصفحة الرئيسية>المتعلقة بالبرمجة>بايثون
تنزيل

pointnet2/pointnet ++ pytorch

حالة المشروع : غير محافظة. بسبب الوقت المحدد ، ليس لدي أي خطط لتحديث هذا الرمز ولن أستجيب للقضايا.

  • تطبيق pointnet2/pointnet ++ مكتوب في pytorch.
  • يدعم متعددة GPU عبر nn.dataparallel.
  • يدعم إصدار Pytorch> = 1.0.0. استخدم V1.0 لدعم الإصدارات القديمة من Pytorch.

راجع إصدار الكود الرسمي للورقة (في TensorFlow) ، و CharlesQ34/PointNet2 ، للاطلاع على تعريفات النموذج الرسمي والمجالات المفرطة.

يتم دعم OPS المخصصة المستخدمة بواسطة PointNet ++ حاليًا فقط على وحدة معالجة الرسومات باستخدام CUDA.

يثبت

  • تثبيت python - يتم اختبار هذا الريبو مع {3.6, 3.7}

  • تثبيت pytorch مع CUDA - يتم اختبار هذا الريبو مع {1.4, 1.5} . قد تعمل مع إصدارات أحدث من 1.5 ، ولكن هذا غير مضمون.

  • تثبيت التبعيات

     PIP تثبيت -r متطلبات. txt

مثال على التدريب

تثبيت مع: pip install -e .

يمكن العثور على مثال على البرنامج النصي التدريبي في pointnet2/train.py . تم تصميم أمثلة التدريب باستخدام Lightning Pytorch و Hydra.

يمكن تدريب نقطة التصنيف

 Python PointNet2/Train.py Task = CLS

# أو مع نموذج = msg للتجميع متعدد النطاق

Python PointNet2/Train.py Task = CLS Model = MSG

وبالمثل ، يمكن تدريب التجزئة الدلالية عن طريق تغيير المهمة إلى semseg

 Python PointNet2/Train.py Task = Semseg

يمكن تمكين التدريب متعدد GPU عن طريق تمرير قائمة معرفات GPU للاستخدام ، على سبيل المثال

 Python PointNet2/Train.py Task = CLS GPUS = [0،1،2،3]

بناء نواة كودا فقط

 PIP تثبيت pointnet2_ops_lib/.

# أو إذا كنت ترغب في تثبيتها مباشرة (يمكن استخدام هذا أيضًا في المتطلبات. txt)

pip تثبيت "git+git: //github.com/erikwijmans/pointnet2_pytorch.git#egg=pointnet2_ops&subdirectory=pointnet2_ops_lib"

المساهمة

يستخدم هذا المستودع الأسود لبطني وإنفاذ الأسلوب على كود بيثون. بالنسبة لرمز C ++/CUDA ، يتم استخدام Clang-Format للأناقة. أبسط طريقة للامتثال للأناقة هي عبر اللجنة المسبقة

 PIP تثبيت قبل الالتزام
تثبيت قبل الالتزام

اقتباس

 article {pytorchpointnet ++ ،
      المؤلف = {erik wijmans} ،
      العنوان = {pointnet ++ pytorch} ،
      Journal = {https://github.com/erikwijmans/pointnet2_pytorch} ،
      السنة = {2018}
}

inproceedings {qi2017pointnet ++ ،
    العنوان = {pointnet ++: تعلم الميزة الهرمية العميقة على مجموعات النقاط في مساحة مترية} ،
    المؤلف = {Qi ، Charles Ruizhongtai و Yi ، Li and Su ، Hao و Guibas ، Leonidas J} ،
    booktitle = {التقدم في أنظمة معالجة المعلومات العصبية} ،
    الصفحات = {5099-- 5108} ،
    السنة = {2017}
}
يوسع
معلومات إضافية
تطبيقات ذات صلة
نوصي لك
أخبار ذات صلة الكل