tf1.x版RandLA-Net源码解读(2):Dataset

前面一篇文章介绍了RandLANet训练点云时的数据 预处理操作，这篇博客开始记录RandLANet训练模型时的读取数据流阶段，这个部分算是RandLANet网络比较核心的部分，也就是如何将一个整体的点云一块一块的送入网络进行训练。

一、前言

tensorflow1.x是通过tf.data.Dataset和tf.data.Iterator来不断的组织将要输入模型的数据，有点像torch的Dataset和Datasetloader。作为一个torch用户来说，调试tensorflow代码十分的头疼，尤其是1.x版本的代码，看这段代码前我事先复习了tf1.x的数据处理这部分的操作流程，大体顺序如下，
创建读取数据的生成器，根据生成器创建数据集、设置数据集的batch_size、设置预处理的map操作，初始化迭代器。
详细内容见参考给出的两个链接。

二、RandLA-Net的dataset

在randlanet的数据流中，我觉得比较关键的有两部分，读取原始数据的生成器函数get_batch_gen和对数据的预处理操作的map函数，因为我自己的数据集和Semantic3D比较类似，所以我以Semantic3D的数据流源码来解读。
Semantic3D的数据流操作是在Semantic3D类中，这个类包含了初始化(__init__)、数据加载(load_sub_sampled_clouds)、数据读取生成器(get_batch_gen)、预处理操作(get_tf_mapping)、数据增强(tf_augment_input)、数据流初始化(init_input_pipeline)等几个部分，