pointnet-pytorch运行步骤

最新推荐文章于 2024-07-12 20:42:58 发布
最新推荐文章于 2024-07-12 20:42:58 发布
阅读量3k 收藏 21
点赞数 2
分类专栏： 随笔记
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/Thera_qing/article/details/108733817
版权
本文档详细介绍了在Linux环境下运行PointNet-pytorch的步骤，包括环境要求（CUDA和PyTorch），如何下载和编译源码，以及在Windows和Linux之间的迁移。在Windows中，需配置g++和wget，而Linux环境下则需注意避免pointnet模块导入错误的问题。
摘要由CSDN通过智能技术生成

环境要求

Linux系统+CUDA+Pytorch
pytorch安装

1、下载源码

这里可以在Windows下进行
源码库：pointnet.pytorch
下载源码

git clone https://github.com/fxia22/pointnet.pytorch
cd pointnet.pytorch
pip install -e .

2、下载并编译可视化工具

这里最好在Linux下进行，如果在Windows下进行，首先需要配置g++和wget。
g++配置
wget配置

cd script
bash build.sh #build C++ code for visualization
bash download.sh #download dataset

3、开始运行

如果是Windows环境下下载好的，需要将文件夹打个包发送到服务器端。
这里需要改一点东西，要不然会出现找不到包的情况，

最低0.47元/天 解锁文章
ThetaQing
关注
  • 2
    点赞
  • 踩
  • 21
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 11
    评论
专栏目录
使用pytorch-superpoint与pytorch-superglue项目实现训练自己的数据集
a486259的博客
01-07 4442
superpoint与superglue的组合可以实现基于深度学习的图像配准，官方发布的superpoint与superglue模型均基于coco数据训练，与业务中的实际数据或许存在差距，为此实现基于开源的pytorch-superpoint与pytorch-superglue项目实现训练自己的数据集。然而，在训练pytorch-superpoint有诸多细节需要优化，特此整理成技术文档。本文档描述了实验pytorch-superpoint与pytorch-superglue项目训练自己的图像配准模型。
Pytorch基础学习（第二章-Pytorch数据处理）
Billie使劲学的博客
03-29 2903
课程一览表： 目录 一、人民币二分类与DataSet与DataLoader 0.人民币二分类模型任务 1. DataLoader 2.Dataset 3.人民币二分类 二、数据预处理transforms模块机制 1.transforms运行机制 2.数据标准化——transformes.normalize 三、transforms图像增强 1.什么是数据增强 2.transforms——裁剪 3.transforms——翻转和旋转 4.transforms——图像变换 5.
PointNet-Pytorch
02-12
PointNet-Pytorch 此仓库是PyTorch中PointNet的实现。 分类 数据集： ModelNet10 [链接] 下载脚本： sh modelnet_data_download.sh 训练脚本： python train_cls.py 链接： PointNet： ：//arxiv.org/pdf/1612.00593.pdf（arxiv） 3D ShapeNets：
pointnet-pytorch代码运行
DJames23的博客
12-21 6676
参考知乎： https://zhuanlan.zhihu.com/p/86331508 训练时： 参考：https://github.com/fxia22/pointnet.pytorch python train_classification.py --dataset <dataset path> --nepoch=<number epochs> --dataset_ty...
PyTorch复现PointNet++——模型训练+模型测试
最新发布
beyond谚语的博客
07-12 2083
PyTorch复现PointNet++——模型训练+模型测试
pointnet.pytorch, "pointnet"的pytorch实现.zip
09-17
pointnet.pytorch, "pointnet"的pytorch实现 PointNet.pytorch这里 repo 是pytorch中 PointNet ( https://arxiv.org/abs/1612.00593 )的实现。 模型在 pointnet.py 中。下载数据并运行bash
pointnet.pytorch:此仓库是PointNet（https
05-18
PointNet.pytorch 此仓库是pytorch中PointNet（ ）的实现。 该模型位于pointnet.py 。 下载数据并运行 bash build.sh #build C++ code for visualization bash download.sh #download dataset python train_classification.py #train 3D model classification python python train_segmentation.py # train 3D model segmentaion python show_seg.py --model seg/seg_model_20.pth # show segmentation results 表现 在不进行大量调整的情况下，PointNet可以在此上实现80-90％的
Pytorch实现PointNet中的点云分类网络。
york1996的博客
11-20 6345
下面是PointNet论文中分类模型的结构： 但是对于模型的细节，PointNet论文中并没有详细的解释，尤其是T-Net，可以参考PointNet的supplemental部分。如果找不到，可以留言找我要。 话不多说，下面是代码，基本上完全还原了论文中的PointNet分类模型。 第一部分：数据处理模块 更新一下代码，修复了原先batchsize=1的时候会出错的毛病。 impo...
试跑PointNet（PyTorch版本）
游离丸子的博客
03-17 5334
pointnet的环境配置见我上一篇博文，源码见https://github.com/yanx27/Pointnet_Pointnet2_pytorch。刚开始跑的时候，通过语句： torch.backends.cudnn.enabled = False 禁用cudnn，只用CPU跑，确实是可以跑起来的。但是如果用CUDA，则报错“CUDA_STATUS_NOT_SUPPORTED”，这是版...
AI Challenger 2018 农作物病害细粒度分类-----Pytorch 深度学习实战
热门推荐
一只小包子的博客
11-12 2万+
AI Challenger 2018 农作物病害细粒度分类 比赛地址 数据集地址 密码： 4ac2 1 前言 2 代码组织结构 3 完整流程解析 &amp;amp;amp;amp;amp;amp;amp;amp;amp;amp;amp;nbsp;&amp;amp;amp;amp;amp;amp;amp;amp;amp;amp;amp;nbsp;&amp;amp;amp;amp;amp;amp;amp;amp;amp;amp;amp;nbsp;&amp;amp;amp;amp
Pointnet2.PyTorch:基于PyTorch的PointNet ++的更快实现
05-14
Pointnet2.PyTorch 基于的的PyTorch实现。 通过重新实现CUDA操作，比原始代码更快。 安装 要求 Linux（已在Ubuntu 14.04 / 16.04上测试） Python 3.6+ PyTorch 1.0 安装 通过运行以下命令来安装此库： cd pointnet2 python setup.py install cd ../ 例子 在这里，我提供了一个简单的示例，用于在KITTI Ourdoor前景点云分割任务中使用此库，有关任务描述和前景标签生成的详细信息，请参考论文 。 从网站下载训练数据，以下方式组织下载的文件： Pointnet2.PyTorch ├── pointnet2 ├── tools │ ├──data │ │ ├── KITTI │ │ │ ├── ImageSets │ │ │ ├── obj
PointNet++点云处理精讲(PyTorch)
06-22
三维点云是物理世界的三维数据表达形式，其应用日益广泛，如自动驾驶、AR/VR、FaceID等。PointNet网络模型是直接对三维点云数据进行深度学习的开山之作，PointNet++是对PointNet的改进技术。作为点云处理深度学习方法的里程碑工作，启发了很多后续研究。 本课程对PyTorch版的PointNet++进行原理讲解、论文复现和代码详解。包括：  （1）提供三维点云物体分类数据集ModelNet40、物体部件分割数据集ShapeNet和场景分割数据集S3DIS的下载、可视化软件和方法； （2）在Ubuntu系统上演示使用PointNet++进行三维点云的物体分类、部件分割和场景语义分割的训练和测试； （3）详解PointNet++的原理、程序代码和实现细节，并使用PyCharm进行Debug调试代码和单步跟踪。 需要学习TensorFlow版PointNet++的学员可前往本人推出了课程《PointNet++点云处理TensorFlow版》
使用 PointNet 和 PyTorch3D 进行点云分类
gis收藏家的博客
03-26 1489
我们想拍摄数据的照片，在这种情况下，这是对象的点云。无论是在混乱的场景中对物体进行分类，还是分割3D模型的复杂部分，PointNet的简单而灵活的设计使其成为寻求利用深度学习力量进行3D建模和分析的研究人员和从业者的令人信服的选择。与依赖体素网格或 2D 投影的方法不同，PointNet 通过直接对点云数据应用高度并行化的操作来简化分类过程，无需复杂的预处理步骤。我们在本教程中没有实现 PointNet++，但我们包含了 PointNet++ 论文中介绍的一些技术，例如最远点采样和点丢失。
PointNet模型的Pytorch代码详解
qq_41685265的博客
07-17 1万+
前言 关于PointNet模型的构成、原理、效果等等论文部分内容，我在之前一篇论文中写到过，可以参考这个链接：PointNet论文笔记 下边我就直接放一张网络组成图，并对代码进行解释，我以一种比较容易理解的顺序放置，希望耐心阅读。 网络结构图示 在分类网络中，输入n个点，对输入做特征变换，再进行最大池化输出k个种类；分割网络是分类网络的一个拓展，它考虑了全局和局部的特征以及每个点的输出分数。mlp代表多层感知机，括号中是感知机的层数，批标准化（Batch...
PointNet pytorch学习（小白踩坑日记）
qq_36072452的博客
08-18 2247
3D视觉小白，第一次写文章，若有不正确的地方，烦请指出。 一、源码、论文、数据集下载 1、源码下载：https://github.com/fxia22/pointnet.pytorch 2、论文下载：https://arxiv.org/abs/1612.00593 3、数据集下载 （1）shapenet数据集：https://shapenet.cs.stanford.edu/ericyi/shapenetcore_partanno_segmentation_benchmark_v0.zip （2
PointNet:从pytorch代码角度理解
qingliange的博客
12-26 1447
从pytorch角度解读pointnet
点云网络的论文理解（二）- PointNet的pytorch复现
qq_43210957的博客
07-01 4456
1.了解PointNet 为了更好的复现这个东西我们需要先了解这个东西，先把原文给出的图片放在这里，之后我们再一点点理解。 1.1点云的特点 1.1.1无序性：也就是说这个点的先后顺序和实际上是什么无关 你不管这些点加入集合的顺序如何，最后的最后他们组成的图形还是那么个图形，也就是说这些东西的顺序是完全没有必要的。 所以我们必须使用对称的函数： 也就是说，这个函数必须要满足，你怎么调换函数变量的输入顺序，函数的计算结果也都不发生变化也就是下图： 所以，我们看一下我们有哪些函数满足这个特点：显然max是
深度学习(六):pointnet.pytorch环境配置与学习
biter0088的博客
03-16 9230
0 前言 本机：RTX3070 cuda-11.0 python环境：pytorch-1.7.0，python=3.7 作者github:https://github.com/fxia22/pointnet.pytorch 作者论文：https://arxiv.org/abs/1612.00593 0.1 shapenet数据集 官网地址：ShapeNet，是斯坦福大学发布的 ShapeNet 由几个子集组成： .........
mvsnet-pytorch版 源码 mvsnet-pytorch-master运行结果
11-17
当我们运行mvsnet-pytorch-master时，首先需要准备输入数据，包括多个视角的图像和相机参数。然后，我们可以使用训练好的模型进行深度估计和三维重构。运行结果将得到深度图和点云数据，可以用来表示视景中物体的三...
评论 11
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

ThetaQing

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值