我是在Anaconda下创建一个新的…因为项目涉及到3D点云项目故学习下PointNet这个用来处理点云的神经网络

论文的话大致都看了下网络结构有了一定的了解本博文主要为了下载调试PointNet网络源码训练和测试调通而已。

torch

数据集下载shapenetcore_partanno_segmentation_benchmark_v0.zip

二、PyCharm打开项目

.sh文件是Linux下的脚本文件夹我这是Windows操作系统先打开看看这里面都写了啥

可视化工具在build.sh文件中数据集在download.sh中我这边就只用到必须的数据集

看下download.sh

数据集下载https://shapenet.cs.stanford.edu/ericyi/shapenetcore_partanno_segmentation_benchmark_v0.zip

四、分类任务

训练的话通过README.md可以看出有两种一种是分类任务一种是分割任务

utils

我把要配置的参数给整理到一块了方便进行修改测试其他的参数根据情况去修改即可

3右击运行Ctrl

修改进程数为0parser.add_argument(--workers,

typeint,

http://www.intel.com/software/products/support/.按要求加入os.environ[KMP_DUPLICATE_LIB_OK]TRUE

允许程序在存在多个

副本的情况下继续执行但这可能会导致不稳定的行为包括程序崩溃或产生不正确的结果所以它只是一个临时的解决方案

import

os.environ[KMP_DUPLICATE_LIB_OK]TRUE

5再次右击运行Ctrl

6因为这里训练的epoch为5每个epoch都会存下来一个模型

4.2

1utils文件夹下的show_cls.py文件用于分类模型测试

模型路径parser.add_argument(--model,

typestr,

数据集的路径root../dataset/shapenetcore_partanno_segmentation_benchmark_v0

3右击运行Ctrl

1utils文件夹下的show_seg.py文件用于分割模型测试

2右击运行Ctrl

找了一下原因show_seg.py用到了show3d_balls.py里面的showpoints函数

np.ctypeslib.load_library(render_balls_so,

Studio创建一个动态链接库(DLL)项目生成render_balls_so.dll放到utils文件下即可

参考博客https://blog.csdn.net/qq_45369294/article/details/121041403

3直接拿来用

os.environ[KMP_DUPLICATE_LIB_OK]TRUE和分类任务一样进行简单配置即可

5再次右击运行Ctrl

目前只是实现了代码的跑通后续还得认真学习原理以及去修改模型架构适配自己的工作任务。