DeepCAD 项目使用教程

DeepCAD 项目使用教程

DeepCAD code for our ICCV 2021 paper "DeepCAD: A Deep Generative Network for Computer-Aided Design Models" 项目地址: https://gitcode.com/gh_mirrors/de/DeepCAD

1. 项目目录结构及介绍

DeepCAD 项目的目录结构如下：

DeepCAD/
├── cadlib/
├── config/
├── dataset/
├── evaluation/
├── model/
├── trainer/
├── utils/
├── LICENSE
├── README.md
├── lgan.py
├── pc2cad.py
├── pc2cad_train.py
├── requirements.txt
├── teaser.png
├── test.py
└── train.py

目录结构介绍

• cadlib/：包含与 CAD 相关的库文件。
• config/：存放项目的配置文件。
• dataset/：存放数据集文件，包括原始 JSON 文件和向量化表示的 CAD 序列。
• evaluation/：包含用于评估模型性能的脚本。
• model/：存放模型的定义和实现。
• trainer/：包含训练模型的相关代码。
• utils/：包含各种实用工具脚本，如可视化和导出 CAD 模型。
• LICENSE：项目的开源许可证文件。
• README.md：项目的介绍文档。
• lgan.py：用于训练潜在 GAN 的脚本。
• pc2cad.py：用于处理 CAD 数据的脚本。
• pc2cad_train.py：用于训练 CAD 模型的脚本。
• requirements.txt：项目所需的 Python 依赖包列表。
• teaser.png：项目的宣传图片。
• test.py：用于测试和评估模型的脚本。
• train.py：用于训练模型的主脚本。

2. 项目启动文件介绍

train.py

train.py 是 DeepCAD 项目的主要启动文件，用于训练深度生成网络。以下是该文件的主要功能：

• 训练自动编码器：通过指定超参数和配置文件，启动自动编码器的训练过程。
• 保存训练日志和模型：训练过程中生成的模型和日志将保存在 proj_log/ 目录下。

test.py

test.py 用于测试和评估训练好的模型。以下是该文件的主要功能：

• 自动编码：加载训练好的自动编码器模型，对测试数据进行重建。
• 随机生成：结合潜在 GAN 生成新的 CAD 序列。
• 结果保存：测试结果将保存在 proj_log/ 目录下的指定路径中。

lgan.py

lgan.py 用于训练潜在 GAN（生成对抗网络）。以下是该文件的主要功能：

• 训练潜在 GAN：在自动编码器的潜在空间上训练 GAN。
• 生成潜在向量：生成新的潜在向量，用于后续的 CAD 序列生成。

3. 项目的配置文件介绍

config/ 目录

config/ 目录下存放了 DeepCAD 项目的配置文件，这些文件定义了训练和测试过程中的各种超参数和配置选项。以下是该目录的主要内容：

• 配置文件：包含训练和测试过程中所需的各种配置参数，如数据路径、模型参数、优化器参数等。
• 超参数设置：定义了训练过程中的学习率、批量大小、迭代次数等超参数。

配置文件示例

# config/default.py

# 数据路径
data_path = "data/cad_vec"

# 模型参数
model_params = {
    "latent_dim": 128,
    "hidden_dim": 512,
    "num_layers": 3
}

# 训练参数
train_params = {
    "batch_size": 32,
    "learning_rate": 0.001,
    "num_epochs": 100
}

通过修改这些配置文件，用户可以自定义训练和测试过程中的各种参数，以适应不同的需求和环境。

DeepCAD code for our ICCV 2021 paper "DeepCAD: A Deep Generative Network for Computer-Aided Design Models" 项目地址: https://gitcode.com/gh_mirrors/de/DeepCAD