运行pointnet及遇到问题

 

源码:pointnet的pytorch实现版本

实验环境:win10专业版+anaconda+python3.6+pytorch1.6.0+cuda10.1

1、下载源码

2、下载数据有Modelnet40和Shapenet两个数据集,本次实验用的shapenet40数据。shapenet(点击可直接下载)

按照readme文件进行环境配置

notice:在执行pip -e .时(e后面有一个空格和点,一定要复制到点,否则不能运行成功)

因为是window环境,没有执行下载数据科可视化的这一步,数据是手动下载的。

3、因为菜,不太能全部看懂代码,就先炼丹,就直接开始跑代码了

4、用anaconda Prompt将路径切换到你的源码的utils文件家下面

5、开始训练

readme里面的指导格式

python train_classification.py --dataset <dataset path> --nepoch=<number epochs> --dataset_type <modelnet40 | shapenet>
python train_classification.py --dataset=E:\shapenetcore_partanno_segmentation_benchmark_v0\shapenetcore_partanno_segmentation_benchmark_v0 --nepoch=5 --dataset_type=shapenet

--dataset=后面为你的数据路径

--nepoch=5,你的epoch的次数,我设置的5

--dataset_type=shapenet,设置数据的类型,我的是shapenet,若为modelnet40,就设置为--dataset_type=modelnet40

6、开始训练遇到的第一个问题

        An attempt has been made to start a new process before the current process has finished its bootstrapping phase.

        This probably means that you are not using fork to start your child processes and you have forgotten to use the proper idiom in the main module:

            if __name__ == '__main__':
                freeze_support()
                ...

        The "freeze_support()" line can be omitted if the program is not going to be frozen to produce an executable.

解决方法:参考文章https://blog.csdn.net/xiemanr/article/details/71700531

我将train_classification.py文件将除开import部分中的全部放在了if __name__ == '__main__' 下面。

训练后的结果:

小白第一次跑代码,记录一下自己跑代码的过程,有不对的地方请批评指正,勿喷勿喷。🙂

 

 

 

  • 2
    点赞
  • 17
    收藏
    觉得还不错? 一键收藏
  • 10
    评论
PointNet++的具体实现可以基于TensorFlow或PyTorch等深度学习框架。在这里,我以TensorFlow为例,介绍如何运行PointNet++。 1. 准备数据集:首先,您需要准备一个包含点云数据的数据集。这个数据集可以是您自己创建的,也可以是从公共数据集中下载的。例如,您可以从Stanford 3D数据集中下载点云数据集。 2. 安装依赖项:运行PointNet++需要安装TensorFlow和其他必要的Python库。您可以使用pip或conda等包管理器安装这些库。例如,您可以运行以下命令安装TensorFlow: ``` pip install tensorflow ``` 3. 下载代码:接下来,您需要从GitHub上下载PointNet++的代码。您可以在以下链接中找到PointNet++的TensorFlow实现: https://github.com/charlesq34/pointnet2 4. 训练模型:运行PointNet++的训练代码,您需要指定一些超参数,例如学习率、批大小、迭代次数等。您可以在训练代码中修改这些超参数,然后运行以下命令来启动训练: ``` python train.py ``` 5. 测试模型:训练完成后,您可以使用测试数据集来测试PointNet++模型的性能。您可以在测试代码中加载训练好的模型,并计算模型的准确性、召回率、精确度等指标。您可以运行以下命令来启动测试: ``` python test.py ``` 总的来说,运行PointNet++需要准备数据集、安装依赖项、下载代码、训练模型和测试模型等步骤。这些步骤需要一定的深度学习知识和编程经验。如果您是初学者,建议您先学习一些基本的深度学习知识和编程技巧,然后再尝试运行PointNet++。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 10
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
实付
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