หน้าแรก>การเขียนโปรแกรมที่เกี่ยวข้อง>หลาม
ดาวน์โหลด

PointNet2/PointNet ++ Pytorch

สถานะโครงการ : unmaintained เนื่องจากเวลา จำกัด ฉันไม่มีแผนที่จะอัปเดตรหัสนี้และฉันจะไม่ตอบสนองต่อปัญหา

  • การใช้งานของ PointNet2/PointNet ++ เขียนใน pytorch
  • รองรับ Multi-GPU ผ่าน NN.Dataparallel
  • รองรับเวอร์ชัน pytorch> = 1.0.0 ใช้ v1.0 เพื่อสนับสนุน Pytorch รุ่นเก่า

ดูการเปิดตัวรหัสอย่างเป็นทางการสำหรับกระดาษ (ใน TensorFlow), CharlesQ34/PointNet2 สำหรับคำจำกัดความของรุ่นอย่างเป็นทางการและพารามิเตอร์ไฮเปอร์

OPS แบบกำหนดเองที่ใช้โดย PointNet ++ ได้ รับการสนับสนุนใน GPU โดยใช้ CUDA เท่านั้น

การตั้งค่า

  • ติดตั้ง python - repo นี้ได้รับการทดสอบด้วย {3.6, 3.7}

  • ติดตั้ง pytorch ด้วย cuda - repo นี้ได้รับการทดสอบด้วย {1.4, 1.5} มันอาจใช้งานได้กับเวอร์ชันที่ใหม่กว่า 1.5 แต่ไม่รับประกัน

  • ติดตั้งการพึ่งพา

     PIP Install -r rechent.txt

การฝึกอบรมตัวอย่าง

ติดตั้งด้วย: pip install -e .

มีตัวอย่างสคริปต์การฝึกอบรมสามารถพบได้ใน pointnet2/train.py ตัวอย่างการฝึกอบรมถูกสร้างขึ้นโดยใช้ Pytorch Lightning และ Hydra

การจำแนกประเภท Pointnet สามารถฝึกได้เป็น

 Python PointNet2/train.py task = CLS

# หรือด้วย model = msg สำหรับการจัดกลุ่มหลายระดับ

python pointnet2/train.py task = cls model = msg

ในทำนองเดียวกันการแบ่งส่วนความหมายสามารถผ่านการฝึกอบรมโดยการเปลี่ยนงานเป็น semseg

 Python PointNet2/train.py task = semseg

การฝึกอบรมแบบหลาย GPU สามารถเปิดใช้งานได้โดยผ่านรายการ GPU ID ที่จะใช้เช่น

 Python PointNet2/train.py task = cls gpus = [0,1,2,3]

สร้างเฉพาะเมล็ด cuda

 PIP ติดตั้ง PointNet2_OPS_LIB/

# หรือถ้าคุณต้องการติดตั้งโดยตรง (สามารถใช้ใน chendreet.txt)

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

การบริจาค

ที่เก็บนี้ใช้สีดำสำหรับการตัดแต่งและการบังคับใช้สไตล์บนรหัส Python สำหรับรหัส C ++/CUDA นั้นรูปแบบของ Clang ใช้สำหรับสไตล์ วิธีที่ง่ายที่สุดในการปฏิบัติตามสไตล์คือผ่านช่วงก่อนคอมมิวนิสต์

 PIP ติดตั้งล่วงหน้า
การติดตั้งล่วงหน้า

การอ้างอิง

 @article {pytorchpointnet ++
      ผู้แต่ง = {Erik Wijmans}
      title = {pointnet ++ pytorch}
      journal = {https://github.com/erikwijmans/pointnet2_pytorch}
      ปี = {2018}
-

@Inproceedings {Qi2017PointNet ++
    title = {PointNet ++: คุณลักษณะลำดับชั้นลึกการเรียนรู้เกี่ยวกับชุดจุดในพื้นที่เมตริก}
    ผู้แต่ง = {Qi, Charles Ruizhongtai และ Yi, Li และ Su, Hao และ Guibas, Leonidas J},
    BookTitle = {ความก้าวหน้าในระบบการประมวลผลข้อมูลประสาท}
    หน้า = {5099--5108}
    ปี = {2017}
-
ขยาย
ข้อมูลเพิ่มเติม
แอปที่เกี่ยวข้อง
แนะนำสำหรับคุณ
ข้อมูลที่เกี่ยวข้อง ทั้งหมด