PointMLP环境配置

PointMLP环境配置

论文地址：Rethinking Network Design and Local Geometry in Point Cloud: A Simple Residual MLP Framework
项目地址：https://github.com/ma-xu/pointMLP-pytorch/

第一步：Pytorch环境搭建

1.1 安装pytorch环境

conda create -n pointmlp python=3.8
conda activate pointmlp
conda install pytorch==1.10.1 torchvision==0.11.2 torchaudio==0.10.1 cudatoolkit=11.3 -c pytorch

1.2 验证pytorch环境

python                     # 3.8.16
import torch
torch.__version__          # 1.10.1
torch.version.cuda         # 11.3
torch.cuda.is_available()  # True
exit()

第二步：安装其它包

pip install cycler einops h5py pyyaml==5.4.1 scikit-learn==0.24.2 scipy tqdm matplotlib==3.4.2

第三步：克隆项目

3.1 克隆PointMLP项目地址

git clone https://github.com/ma-xu/pointMLP-pytorch.git

3.2 安装其它依赖

pip install pointnet2_ops_lib/.

第四步：下载 ModelNet40 数据集和 ShapeNet 数据集

4.1 官网下载 ModelNet40 数据集

在Princeton ModelNet下载 modelnet40_ply_hdf5_2048.zip 安装包。
当然，如果在官网下载麻烦的话，可以参考这篇文章的百度网盘下载链接进行下载。

4.2 官网下载 ModelNet40 数据集后的组织结构

在官网下载 ModelNet40 数据集后，并在 pointMLP-pytorch 文件夹下组织成以下所示的结构。

pointMLP-pytorch
├── classification_ModelNet40
│   ├── models
│   ├── utils
│   ├── data.py
│   ├── helper.py
│   ├── main.py
│   ├── test.py
│   ├── voting·Py
│   ├── data
│   │   ├── modelnet40_ply_hdf5_2048

4.3 官网下载 ShapeNet 数据集

在ShapeNet下载 shapenetcore_partanno_segmentation_benchmark_v0_normal.zip 安装包。
当然，如果在官网下载麻烦的话，可以参考这篇文章的百度网盘下载链接进行下载。

4.4 官网下载 ShapeNet 数据集后的组织结构

在官网下载 ShapeNet 数据集后，并在 pointMLP-pytorch 文件夹下组织成以下所示的结构。

pointMLP-pytorch
├── part_segmentation
│   ├── models
│   ├── utils
│   ├── data
│   │   ├── shapenetcore_partanno_segmentation_benchmark_v0_normal

第五步：训练和测试

5.1 训练ModelNet40数据集

cd classification_ModelNet40
# train pointMLP
python main.py --model pointMLP
# train pointMLP-elite
python main.py --model pointMLPElite

5.2 训练ShapeNet数据集

cd part_segmentation
# train pointMLP
python main.py --model pointMLP

5.3 测试训练好的模型

## 测试
python voting.py --model pointMLP --msg demo

至此，PointMLP的环境配置到此结束！感谢大家的观看！