Pointnet2_PyTorch

PointNet2/PointNet ++ Pytorch

Estado del proyecto : sin mantenimiento. Debido al tiempo finito, no tengo planes de actualizar este código y no responderé a los problemas.

• Implementación de PointNet2/PointNet ++ escrito en Pytorch.
• Admite multi-GPU a través de NN.DataparLel.
• Admite la versión de Pytorch> = 1.0.0. Use V1.0 para el apoyo de versiones anteriores de Pytorch.

Consulte la versión oficial del código para el documento (en TensorFlow), Charlesq34/PointNet2, para definiciones oficiales del modelo e hiperparametros.

Las operaciones personalizadas utilizadas por PointNet ++ actualmente solo son compatibles con la GPU usando CUDA.

Configuración

• Instalar python : este repositorio se prueba con {3.6, 3.7}

• Instale pytorch con CUDA: este repositorio se prueba con {1.4, 1.5} . Puede funcionar con versiones más nuevas que 1.5 , pero esto no está garantizado.

• Instalar dependencias

   PIP install -r requisitos.txt
  

Entrenamiento de ejemplo

Instalar con: pip install -e .

Hay un script de entrenamiento de ejemplo en pointnet2/train.py . Los ejemplos de entrenamiento se construyen con Lightning y Hydra de Pytorch.

Un PointNet de classifion puede ser entrenado como

 Python PointNet2/Train.py Task = CLS

# O con modelo = msg para agrupación múltiple

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

Del mismo modo, la segmentación semántica puede ser entrenada cambiando la tarea a semseg

 Python PointNet2/Train.py Task = Semseg

El entrenamiento multi-GPU se puede habilitar al pasar una lista de ID de GPU para usar, por ejemplo

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

Construyendo solo los núcleos Cuda

 PIP Instale PointNet2_OPS_LIB/.

# O si desea instalarlos directamente (esto también se puede usar en un requisito.

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

Que contribuye

Este repositorio utiliza negro para la aplicación de pelusas y estilo en el código Python. Para el código C ++/CUDA, el clang-format se usa para el estilo. La forma más sencilla de cumplir con el estilo es a través del precomco

 PIP Instalar previamente al Commit
Instalación previa a la Comunidad

Citación

 @article {pytorchpointnet ++,
      Autor = {Erik Wijmans},
      Title = {PointNet ++ Pytorch},
      Journal = {https://github.com/erikwijmans/pointnet2_pytorch},
      Año = {2018}
}

@InProcedings {Qi2017Pointnet ++,
    title = {PointNet ++: aprendizaje de características jerárquicas profundas en conjuntos de puntos en un espacio métrico},
    Autor = {Qi, Charles Ruizhongtai y Yi, Li y Su, Hao y Guibas, Leonidas J},
    booktitle = {avances en sistemas de procesamiento de información neural},
    páginas = {5099--5108},
    año = {2017}
}