Pointnet2_PyTorch

Pointnet2/pointnet ++ pytorch

Status Proyek : Tidak Tertangkap. Karena waktu yang terbatas, saya tidak punya rencana untuk memperbarui kode ini dan saya tidak akan menanggapi masalah.

• Implementasi PointNet2/PointNet ++ Ditulis dalam Pytorch.
• Mendukung Multi-GPU melalui NN.DataParallel.
• Mendukung Versi Pytorch> = 1.0.0. Gunakan v1.0 untuk dukungan versi Pytorch yang lebih lama.

Lihat rilis kode resmi untuk makalah (di TensorFlow), Charlesq34/PointNet2, untuk definisi model resmi dan hiper-parameter.

OP khusus yang digunakan oleh PointNet ++ saat ini hanya didukung pada GPU menggunakan CUDA.

Pengaturan

• Instal python - Repo ini diuji dengan {3.6, 3.7}

• Instal pytorch dengan cuda - repo ini diuji dengan {1.4, 1.5} . Ini dapat bekerja dengan versi yang lebih baru dari 1.5 , tetapi ini tidak dijamin.

• Instal dependensi

   Pip instal -r persyaratan.txt
  

Contoh pelatihan

Instal dengan: pip install -e .

Ada contoh skrip pelatihan dapat ditemukan di pointnet2/train.py . Contoh pelatihan dibangun menggunakan Pytorch Lightning dan Hydra.

PointNet classifion dapat dilatih sebagai

 Python pointnet2/train.py Task = cls

# Atau dengan model = MSG untuk pengelompokan multi-skala

Python pointnet2/train.py Task = cls model = msg

Demikian pula, segmentasi semantik dapat dilatih dengan mengubah tugas menjadi semseg

 Python pointnet2/train.py tugas = semseg

Pelatihan multi-GPU dapat diaktifkan dengan menyampaikan daftar ID GPU untuk digunakan, misalnya

 python pointnet2/train.py tugas = cls gpus = [0,1,2,3]

Hanya membangun kernel cuda

 PIP menginstal pointnet2_ops_lib/.

# Atau jika Anda ingin menginstalnya secara langsung (ini juga dapat digunakan dalam persyaratan.txt)

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

Berkontribusi

Repositori ini menggunakan hitam untuk penegakan linting dan gaya pada kode Python. Untuk kode C ++/CUDA, format dentang digunakan untuk gaya. Cara paling sederhana untuk memenuhi gaya adalah melalui pra-komit

 PIP Pasang pra-komit
instalasi pra-komit

Kutipan

 @Article {pytorchpointnet ++,
      Penulis = {Erik Wijmans},
      Title = {pointNet ++ pytorch},
      Journal = {https://github.com/erikwijmans/pointnet2_pytorch},
      Tahun = {2018}
}

@InprOcedings {qi2017pointnet ++,
    title = {pointNet ++: pembelajaran fitur hierarkis dalam pada set titik dalam ruang metrik},
    penulis = {qi, charles ruizhongtai dan yi, li dan su, hao dan guibas, leonidas j},
    booktitle = {kemajuan dalam sistem pemrosesan informasi saraf},
    halaman = {5099--5108},
    tahun = {2017}
}