在tensorflow2.0环境下使用RandLA-Net训练Semantic3D数据集

最近在做点云语义分割，RandLA-Net是比较新的针对大规模点云的语义分割网络，之前一直使用的是torch版本的代码在训练自己的数据集，训练结果一直很差，同时我在Semantic3D数据集上训练的效果也很差，有几类精度始终为0，最终平均iou只有20%多，这和作者论文中给出的实验结果相差很大。

为了验证是否是我使用的pytorch工程代码的问题，我打算在作者自己提供的代码上测试一下Semantic3D数据集，RandLA-Net作者在github上发布的是tensorflow版本的代码，而且是tensorflow1.11，我之前训练模型一直都是torch，cuda安装的是10.2，而1.0版本的tensorflow在cuda10.2的环境下无法使用gpu(网上有人成功过，但我始终没有成功😭，然后我又不太想降低我的cuda版本，因为我的torch用的版本也比较高），就尝试着在2.0环境下训练1.0版本的代码。下面是训练过程记录。

修改方法

由于作者没有用到比较复杂的方法，所以要在tensorflow2.0环境下训练tensorflow1.0的代码只需要在导入tensorflow时做下修改即可，将工程中使用到的

import tensorflow as tf

替换为

impo