latent_3d_points代碼付現：Learning Representations and Generative Models For 3D Point Clouds

最新推荐文章于 2022-12-25 16:55:08 发布
最新推荐文章于 2022-12-25 16:55:08 发布
阅读量970 收藏 2
点赞数 1
文章标签： latent_3d_points Learning Representations and Genera
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_43012220/article/details/101691573
版权
本文介绍了latent_3d_points项目的实践过程，包括从GitHub下载代码、配置Ubuntu 16.04环境、安装Python 2.7、CUDA 9和TensorFlow 1.12.0等依赖，以及制作makefile和下载数据集。然而，在运行和训练阶段遇到困难，目前缺乏明确的指导，期待社区的帮助。
摘要由CSDN通过智能技术生成

第一步：geihub下載代碼

latent_3d_points：https://github.com/optas/latent_3d_points

第二：安裝環境

Ubuntu 16.04
Python 2.7

cudnn 7

(latent_3d_points) l@l-THUNDEROBOT-PC:~/Desktop$ cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2
#define CUDNN_MAJOR 7
#define CUDNN_MINOR 0
#define CUDNN_PATCHLEVEL 5
--
#define CUDNN_VERSION    (CUDNN_MAJOR * 1000 + CUDNN_MINOR * 100 + CUDNN_PATCHLEVEL)

#include "driver_types.h"

cuda 9

(latent_3d_points) l@l-THUNDEROBOT-PC:~/Desktop$ cat /usr/local/cuda/version.txt
CUDA Version 9.0.176

tensorflow 1.12.0

(latent_3d_points) l@l-THUNDEROBOT-PC:~/Desktop$ pip install tensorflow_gpu==1.12.0
DEPRECATION: Python 2.7 will reach the end of its life on January 1st, 2020. Please upgrade your Python as Python 2.7 won't be maintained after that date. A future version of pip will drop support for Python 2.7. More details about Python 2 support in pip, can be found at https://pip.pypa.io/en/latest/development/release-process/#python-2-support
Collecting tensorflow_gpu==1.12.0
  Downloading https://files.pythonhosted.org/packages/3d/21/63bf11a6bb4c1c85d52b259578bec20ef6f8894a13870f8f4f8b69635586/tensorflow_gpu-1.12.0-cp27-cp27mu-manylinux1_x86_64.whl (281.7MB)
     |████████████████████████████████| 281.7MB 257kB/s 
Requirement already satisfied: astor>=0.6.0 in /home/l/.virtualenvs/latent_3d_points/lib/python2.7/site-packages (from tensorflow_gpu==1.12.0) (0.8.0)
Requirement already satisfied: enum34>=1.1.6 in /home/l/.virtualenvs/latent_3d_points/lib/python2.7/site-packages (from tensorflow_gpu==1.12.0) (1.1.6)
Requirement already satisfied: protobuf>=3.6.1 in /home/l/.virtualenvs/latent_3d_points/lib/python2.7/site-packages (from tensorflow_gpu==1.12.0) (3.9.2)
Requirement already satisfied: keras-preprocessing>=1.0.5 in /home/l/.virtualenvs/latent_3d_points/lib/python2.7/site-packages (from tensorflow_gpu==1.12.0) (1.1.0)
Requirement already satisfied: gast>=0.2.0 in /home/l/.virtualenvs/latent_3d_points/lib/python2.7/site-packages (from tensorflow_gpu==1.12.0) (0.3.2)
Requirement already satisfied: six>=1.10.0 in /home/l/.virtualenvs/latent_3d_points/lib/python2.7/site-packages (from tensorflow_gpu==1.12.0) (1.12.0)
Requirement already satisfied: wheel in /home/l/.virtualenvs/latent_3d_points/lib/python2.7/site-packages (from tensorflow_gpu==1.12.0) (0.33.6)
Requirement already satisfied: absl-py>=0.1.6 in /home/l/.virtualenvs/latent_3d_points/lib/python2.7/site-packages (from tensorflow_gpu==1.12.0) (0.8.0)
Requirement already satisfied: backports.weakref>=1.0rc1 in /home/l/.virtualenvs/latent_3d_points/lib/python2.7/site-packages (from tensorflow_gpu==1.12.0) (1.0.post1)
Requirement already satisfied: termcolor>=1.1.0 in /home/l/.virtualenvs/latent_3d_points/lib/python2.7/site-packages (from tensorflow_gpu==1.12.0) (1.1.0)
Collecting tensorboard<1.13.0,>=1.12.0 (from tensorflow_gpu==1.12.0)
  Downloading https://files.pythonhosted.org/packages/51/ae/9840c4837c6f54034ac942b5344396e8c3d74686a9bd29beafdf633cc221/tensorboard-1.12.2-py2-none-any.whl (3.0MB)
     |████████████████████████████████| 3.1MB 2.1MB/s 
Requirement already satisfied: numpy>=1.13.3 in /home/l/.virtualenvs/latent_3d_points/lib/python2.7/site-packages (from tensorflow_gpu==1.12.0) (1.16.5)
Requirement already satisfied: grpcio>=1.8.6 in /home/l/.virtualenvs/latent_3d_points/lib/python2.7/site-packages (from tensorflow_gpu==1.12.0) (1.24.0)
Requirement already satisfied: mock>=2.0.0 in /home/l/.virtualenvs/latent_3d_points/lib/python2.7/site-packages (from tensorflow_gpu==1.12.0) (3.0.5)
Requirement already satisfied: keras-applications>=1.0.6 in /home/l/.virtualenvs/latent_3d_points/lib/python2.7/site-packages (from tensorflow_gpu==1.12.0) (1.0.8)
Requirement already satisfied: setuptools in /home/l/.virtualenvs/latent_3d_points/lib/python2.7/site-packages (from protobuf>=3.6.1->tensorflow_gpu==1.12.0) (41.2.0)
Requirement already satisfied: werkzeug>=0.11.10 in /home/l/.virtualenvs/latent_3d_points/lib/python2.7/site-packages (from tensorboard<1.13.0,>=1.12.0->tensorflow_gpu==1.12.0) (0.16.0)
Requirement already satisfied: futures>=3.1.1; python_version < "3" in /home/l/.virtualenvs/latent_3d_points/lib/python2.7/site-packages (from tensorboard<1.13.0,>=1.12.0->tensorflow_gpu==1.12.0) (3.3.0)
Requirement already satisfied: markdown>=2.6.8 in /home/l/.virtualenvs/latent_3d_points/lib/python2.7/site-packages (from tensorboard<1.13.0,>=1.12.0->tensorflow_gpu==1.12.0) (3.1.1)
Requirement already satisfied: funcsigs>=1; python_version < "3.3" in /home/l/.virtualenvs/latent_3d_points/lib/python2.7/site-packages (from mock>=2.0.0->tensorflow_gpu==1.12.0) (1.0.2)
Requirement already satisfied: h5py in /home/l/.virtualenvs/latent_3d_points/lib/python2.7/site-packages (from keras-applications>=1.0.6->tensorflow_gpu==1.12.0) (2.10.0)
Installing collected packages: tensorboard, tensorflow-gpu
  Found existing installation: tensorboard 1.13.1
    Uninstalling tensorboard-1.13.1:
      Successfully uninstalled tensorboard-1.13.1
Successfully installed tensorboard-1.12.2 tensorflow-gpu-1.12.0


(latent_3d_points) l@l-THUNDEROBOT-PC:~/Desktop$ python
Python 2.7.12 (default, Aug 22 2019, 16:36:40) 
[GCC 5.4.0 20160609] on linux2
Type "help", "copyright", "credits" or "license" for more information.
>>> import tensorflow
tf.estimator package not installed.
tf.estimator package not installed.
>>> import tensorflow as tf
>>> tf.Variable(0)
<tf.Variable 'Variable:0' shape=() dtype=int32_ref>
>>> 
[4]+  Stopped                 python

第三部：按照官網給出進行 nake

cd latent_3d_points/external
with your editor modify the first three lines of the makefile to point to
your nvcc, cudalib and tensorflow library.
make

修改後：
nvcc = /usr/local/cuda-9.0/bin/nvcc
cudalib =  /usr/local/cuda-9.0/lib64
tensorflow = /home/l/.virtualenvs/latent_3d_points/local/lib/python2.7/site-packages/tensorflow/include

運行

(latent_3d_points) l@l-THUNDEROBOT-PC:~/Documents/latent_3d_points-master/external/structural_losses$ make
make: Circular tf_approxmatch_g.cu <- tf_approxmatch_g.cu.o dependency dropped.
/usr/local/cuda-9.0/bin/nvcc -D_GLIBCXX_USE_CXX11_ABI=0 -std=c++11 -c -o tf_approxmatch_g.cu.o tf_approxmatch_g.cu -I /home/l/.virtualenvs/latent_3d_points/local/lib/python2.7/site-packages/tensorflow/include -DGOOGLE_CUDA=1 -x cu -Xcompiler -fPIC -O2
g++ -std=c++11 tf_approxmatch.cpp tf_approxmatch_g.cu.o -o tf_approxmatch_so.so -shared -fPIC -I /home/l/.virtualenvs/latent_3d_points/local/lib/python2.7/site-packages/tensorflow/include -lcudart -L /usr/local/cuda-9.0/lib64 -O2 -D_GLIBCXX_USE_CXX11_ABI=0
make: Circular tf_nndistance_g.cu <- tf_nndistance_g.cu.o dependency dropped.
/usr/local/cuda-9.0/bin/nvcc -D_GLIBCXX_USE_CXX11_ABI=0 -std=c++11 -c -o tf_nndistance_g.cu.o tf_nndistance_g.cu -I /home/l/.virtualenvs/latent_3d_points/local/lib/python2.7/site-packages/tensorflow/include -DGOOGLE_CUDA=1 -x cu -Xcompiler -fPIC -O2
/home/l/.virtualenvs/latent_3d_points/local/lib/python2.7/site-packages/tensorflow/include/unsupported/Eigen/CXX11/../../../Eigen/src/Core/MathFunctions.h(1255): warning: calling a constexpr __host__ function("real") from a __host__ __device__ function("abs") is not allowed. The experimental flag '--expt-relaxed-constexpr' can be used to allow this.

/home/l/.virtualenvs/latent_3d_points/local/lib/python2.7/site-packages/tensorflow/include/unsupported/Eigen/CXX11/../../../Eigen/src/Core/MathFunctions.h(1255): warning: calling a constexpr __host__ function("imag") from a __host__ __device__ function("abs") is not allowed. The experimental flag '--expt-relaxed-constexpr' can be used to allow this.

/home/l/.virtualenvs/latent_3d_points/local/lib/python2.7/site-packages/tensorflow/include/unsupported/Eigen/CXX11/../../../Eigen/src/Core/MathFunctions.h(1255): warning: calling a constexpr __host__ function from a __host__ __device__ function is not allowed. The experimental flag '--expt-relaxed-constexpr' can be used to allow this.

/home/l/.virtualenvs/latent_3d_points/local/lib/python2.7/site-packages/tensorflow/include/unsupported/Eigen/CXX11/../../../Eigen/src/Core/MathFunctions.h(1255): warning: calling a constexpr __host__ function from a __host__ __device__ function is not allowed. The experimental flag '--expt-relaxed-constexpr' can be used to allow this.

/home/l/.virtualenvs/latent_3d_points/local/lib/python2.7/site-packages/tensorflow/include/unsupported/Eigen/CXX11/../../../Eigen/src/Core/MathFunctions.h(1260): warning: calling a constexpr __host__ function("real") from a __host__ __device__ function("abs") is not allowed. The experimental flag '--expt-relaxed-constexpr' can be used to allow this.

/home/l/.virtualenvs/latent_3d_points/local/lib/python2.7/site-packages/tensorflow/include/unsupported/Eigen/CXX11/../../../Eigen/src/Core/MathFunctions.h(1260): warning: calling a constexpr __host__ function("imag") from a __host__ __device__ function("abs") is not allowed. The experimental flag '--expt-relaxed-constexpr' can be used to allow this.

/home/l/.virtualenvs/latent_3d_points/local/lib/python2.7/site-packages/tensorflow/include/unsupported/Eigen/CXX11/../../../Eigen/src/Core/MathFunctions.h(1260): warning: calling a constexpr __host__ function from a __host__ __device__ function is not allowed. The experimental flag '--expt-relaxed-constexpr' can be used to allow this.

/home/l/.virtualenvs/latent_3d_points/local/lib/python2.7/site-packages/tensorflow/include/unsupported/Eigen/CXX11/../../../Eigen/src/Core/MathFunctions.h(1260): warning: calling a constexpr __host__ function from a __host__ __device__ function is not allowed. The experimental flag '--expt-relax
最低0.47元/天 解锁文章
科研小白
关注
PowerPaint - A Task isworth one word:Learning with task prompts for highquality vesatile img inpaint
liguandong
12-14 1173
8个A100进行了25k迭代，bs为1024，lr为1e-5，OpenImage V6的语义分割自己作为多任务提示调整的主要数据集，根据Smartbrush，使用分割标签和blip生成局部文本描述，同时，将文本到图像生成任务视为inapinting，即mask掉所有内容，的特例，并使用LAION-Aesthetics v2 5+的图像和文本训练，在训练阶段，主任务和文本图像生成任务概率为80%和20%。图像上有的，一般像移除等，图像上没有的，向文本引导的重新生成。其中，1.文本引导的目标修复，看右边的图；
【点云系列】Learning Representations and Generative Models for 3D pointclouds
weixin_43882112的博客
12-28 2236
摘要： 本文要点： 研究点云的表示方法，主要使用deep AutoEncoder。 对比了不同的生成模型，l-GAN要好多GMMs： 模型包括： 1）GANs： 直接作用于原始点云； 2）l-GANs（latent-GANs）： 直接作用在潜在空间的点云特征，用AE先提取潜在空间点云特征； 3）GMMs： 高斯混合模型 评估方法： 1）样本保真度； 2）覆盖率度量； 贡献点： 一种新的点云AE框架； 第一套点云深度生成模型； 新的衡量指标，基于两个不同的点云集合之间的最佳匹配； 背景： 度量方式 J
【CVPR 2018】Learning Representations and Generative Models for 3D Point Clouds
py今天刷题了吗
05-05 1196
文章目录3. 参考资料 3. 参考资料 论文翻译：Learning Representations and Generative Models for 3D Point Clouds
Learning Representations and Generative Models for 3D Point Clouds
冯子材的博客
09-07 837
三维几何数据为研究表示学习和生成建模提供了一个很好的领域。在本文中，我们研究用点云表示的几何数据。介绍了一种具有最先进的重构质量和泛化能力的deep AutoEncoder (AE) 网络。学习表示在三维识别任务上优于现有方法，通过简单的代数操作实现了形状编辑，如语义部分编辑、形状类比和形状插值以及形状补全。我们对不同的生成模型进行了深入的研究，包括在原始点云上运行的GANs、在我们AEs的固定潜...
【r-GAN】论文翻译 - Learning Representations and Generative Models for 3D Point Clouds
xiaoyaolangwj的博客
07-14 2287
摘要： 三维几何数据为研究表示学习和生成建模提供了一个很好的领域。在本文中，我们研究用点云表示的几何数据。介绍了一种具有最先进的重构质量和泛化能力的deep AutoEncoder (AE) 网络。学习表示在三维识别任务上优于现有方法，通过简单的代数操作实现了形状编辑，如语义部分编辑、形状类比、形状插值以及形状补全。我们对不同的生成模型进行了深入的研究，包括在原始点云上运行的GANs、在我们AEs的固定潜空间中训练的具有显著提升的GANs以及高斯混合模型(GMMs)。为了定量地评估生成模型，我们引入了基于
论文翻译：Learning Representations and Generative Models for 3D Point Clouds
热门推荐
e2297192638的博客
04-14 1万+
摘要： 三维几何数据为研究表示学习和生成建模提供了一个很好的领域。在本文中，我们研究用点云表示的几何数据。介绍了一种具有最先进的重构质量和泛化能力的deep AutoEncoder (AE) 网络。学习表示在三维识别任务上优于现有方法，通过简单的代数操作实现了形状编辑，如语义部分编辑、形状类比和形状插值以及形状补全。我们对不同的生成模型进行了深入的研究，包括在原始点云上运行的GANs、在我们AEs...
latent_3d_points代碼復現：train_single_class_ae.ipynb
小书
10-09 807
1、首先：怎麼看代碼（ipynb格式） 需要使用：jupyter notebook 終端安裝： pip insall jupyter 運行： jupyter notebook 注意：聽說anaconda就可以直接用，我沒有用過 2、怎麼運行代碼 我是創建了虛擬環境，看上一篇博客，然後在虛擬環境中打開jupyter notebook，當然在創建環境的過程中需要安裝：tensorflow 1....
Roles_of_latent_heat_and_dust_on_the_Martian_polar_vortex:所有论文中用于分析的所有代码“潜热和粉尘在北火星极涡的结构和变异中的作用”
03-16
8. 版本控制：可能使用Git进行代码版本控制，确保团队成员之间的代码同步和历史记录。 9. 数据存储：可能使用HDF5或NetCDF格式存储大型气候数据，这些格式适合存储多维数组，且被广泛应用于地球科学领域。 通过对...
论文速览：三维点云的表示与生成模型
冯子材的博客
09-13 4644
Learning Representations and Generative Models for 3D Point Clouds 摘要 三维几何数据为研究表示学习和生成建模提供了一个很好的领域。在本文中，我们研究用点云表示的几何数据。介绍了一种具有最先进的重构质量和泛化能力的deep AutoEncoder (AE) 网络。学习表示在三维识别任务上优于现有方法，通过简单的代数操作实现了形状编辑...
第三期直播《基于点云的三维物体表示与生成模型》精彩回录
3D视觉工坊
03-30 400
点击上方“3D视觉工坊”，选择“星标”干货第一时间送达大家好，本公众号现已开启线上视频公开课，主讲人通过B站直播间，对3D视觉领域相关知识点进行讲解，并...
运行latent_3d_points的train_single_class_ae.ipynb
qq_25436597的博客
10-24 966
服务器： 安装 Anaconda 在官网下载安装文件。 选择所需的python版本（我的是python3.7） 选择合适的系统（linux 64） 下载后的文件名为：Anaconda3-2019.07-Linux-x86_64.sh 在终端或命令行中输入安装命令，按提示安装 xxj@megatron:~$ bash Anaconda3-2019.07-Linux-x86_64.sh ...
Latent_3d_points复现
加油赚钱养辣辣
04-25 424
指路: 运行latent_3d_points的train_single_class_ae.ipynb 其中重点： 先确定自己的tensorflow路径 新建find.py文件：vim find.py find.py文件内容： from __future__ import print_function import tensorflow as tf print(tf.sysconfig.get_co...
3D点云（3D point cloud）及PointNet、PointNet++
verse_armour的博客
12-25 8777
PointNets
tf教程（五）：Learning about tf and time
沫尘的博客
07-01 636
Learning about tf and time (C++) Description: This tutorial teaches you to use the waitForTransform function to wait for a transform to be available on the tf tree. Tutorial Level: INTERMEDIAT
3D物体识别相关
LDC1314?
12-19 1万+
  前言:      在物体识别或者是三维研究领域,我们知道RGB中包含了纹理、颜色和表观信息,而RGB信息对于光照等因素的鲁棒性不好,深度信息或者说是有关空间三维的信息来说,它能够对于光照等因素有较好的鲁棒性.因此三维物体相关研究也十分火热.它主要分为以下几个部分多视图图像、体积的、点云、多边形网格、本原来进行相关研究. 内容1: 此部分是根据另个人总结拿过来用的,总结的很好.链接地址[1...
【论文速览】PointAugment：点云分类的自动增强框架（CVPR2020）
冯子材的博客
03-29 1860
摘要 3D点云是一种相对较新的研究对象，并且近年来变得越来越普遍。新型廉价激光雷达的发展以及对立体和单眼深度估计的改进促进了该领域的研究。但是点云数据很难获得并且很难标记。例如，用于分类任务的标准基准ModelNet40仅包含40个类别的12311个模型。而在ImageNet中，有20000个类别和1400万张图像。因此，数据增强对于点云非常方便且至关重要。作者提出了PointAugment，这是...
Python打包exe
清风
11-26 340
1.安装 pyinstaller模块 pip install pyinstaller Microsoft Windows [版本 10.0.19044.1348] (c) Microsoft Corporation。保留所有权利。 C:\Users\13600>pip install pyinstaller DEPRECATION: Python 2.7 will reach the end of its life on January 1st, 2020. Please upgrade your
make: 放弃循环依赖 问题解决(3d 重建)
冷心笑看丽美人 ~ blog
06-20 3455
最近在做3d 点云生成的实验，准备就此发一篇NB一点的会议或着期刊，但是实验训练模型倒是跑出来了，跑了N天，但是在倒角距离和EMD测试指标上出现了些问题，为了防止未来忘了，做个笔记，也供大家学习。（百度是查不到的） 下面是在Terminal上输入 ：make 的时候的结果，我kao，这怎么回事呢？根本没见过如此厚颜无耻之bug。 make: 放弃循环依赖 tf_ops/cd/tf_nndistance_g.cu <- tf_ops/cd/tf_nndistance_g.cu.o 。 make..
# 编码器 def encoder(input_shape, vocab_size, latent_dim): model = tf.keras.models.Sequential([ tf.keras.layers.Embedding(vocab_size, 256, input_shape=input_shape, name="encoder_embedding"), tf.keras.layers.LSTM(latent_dim, name="encode_lstm"), ],name="encoder") return model # 解码器 def decoder(output_shape, vocab_size, latent_dim): model = tf.keras.models.Sequential([ tf.keras.layers.RepeatVector(output_shape[0], input_shape=output_shape, name="decoder_repeatvector"), tf.keras.layers.LSTM(latent_dim, return_sequences=True,name="decode_lstm"), tf.keras.layers.TimeDistributed(tf.keras.layers.Dense(vocab_size, activation='softmax'), name="decoder_td"), ], name="decoder") return model # expected shape=(None, None, 12), found shape=(None, 12, 256) # 定义模型 def build_model(input_shape, output_shape, vocab_size, latent_dim): encoder_model = encoder(input_shape, vocab_size, latent_dim) decoder_model = decoder(output_shape, vocab_size, latent_dim) model = tf.keras.models.Sequential([encoder_model, decoder_model]) return model改正一下模型
最新发布
06-08
根据您提供的代码，您需要将编码器模型的LSTM层的return_sequences参数设置为True，以便正确地将输出形状传递给解码器模型。同时，您还需要将解码器模型的RepeatVector层的输入形状设置为output_shape[1]，而不是...
评论 2
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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