Pointnet2_PyTorch

PointNet2/PointNet ++ pytorch

Status do projeto : Inconivido. Devido ao tempo finito, não tenho planos de atualizar esse código e não responderei a problemas.

• Impleção de PointNet2/PointNet ++ escrito em Pytorch.
• Suporta multi-GPU via nn.dataparallelallel.
• Suporta a versão pytorch> = 1.0.0. Use v1.0 para apoiar versões mais antigas do Pytorch.

Consulte a liberação oficial do código para o artigo (em Tensorflow), Charlesq34/PointNet2, para definições oficiais de modelos e hiper-parâmetros.

As operações personalizadas usadas pelo PointNet ++ são atualmente suportadas apenas na GPU usando CUDA.

Configurar

• Instale python - Este repo é testado com {3.6, 3.7}

• Instale pytorch com CUDA - Este repo é testado com {1.4, 1.5} . Pode funcionar com versões mais recentes que 1.5 , mas isso não é garantido.

• Instalar dependências

   pip install -r requisitos.txt
  

Exemplo de treinamento

Instale com: pip install -e .

Exemplo de script de treinamento pode ser encontrado no pointnet2/train.py . Os exemplos de treinamento são construídos usando Pytorch Lightning e Hydra.

Uma PointNet de Classificação pode ser treinada como

 Python PointNet2/Train.py Task = CLS

# Ou com modelo = msg para agrupamento em várias escalas

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

Da mesma forma, a segmentação semântica pode ser treinada mudando a tarefa para semseg

 Python PointNet2/Train.py Task = Semseg

O treinamento multi-GPU pode ser ativado pela passagem de uma lista de IDs de GPU para usar, por exemplo

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

Construindo apenas os grãos CUDA

 pip install PointNet2_Ops_lib/.

# Ou se você quiser instalá -los diretamente (isso também pode ser usado em um requisitos.txt)

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

Contribuindo

Este repositório usa o preto para revestimento e aplicação de estilo no código Python. Para o código C ++/CUDA, o formato de clang é usado para o estilo. A maneira mais simples de cumprir com o estilo é via pré-compromisso

 PIP Instale pré-compromisso
pré-comprometer a instalação

Citação

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

@Inproecedings {qi2017PointNet ++,
    title = {PointNet ++: Aprendizagem de recursos hierárquicos profundos em conjuntos de pontos em um espaço métrico},
    Autor = {Qi, Charles Ruizhongtai e Yi, Li e Su, Hao e Guibas, Leonidas J},
    booktitle = {Avanços nos sistemas de processamento de informações neurais},
    páginas = {5099--5108},
    ano = {2017}
}