2021-07-13windows下运行pointnet tensorflow1.0

放假闲着在家没事，本人突然想跑一下3d深度学习的开山之作——pointnet玩一玩，可是目前网上大部分pointnet的运行教程都是在Ubuntu系统下的。（其实本人也曾装过双系统，但是因为我太菜了，在Ubuntu下装完显卡驱动和cuda后切换win10开机一直黑屏。。。只好含痛放弃装回win10-_-本狗还是先在虚拟机好好学习Linux吧）ps：如果哪位好心的大佬知道怎么解决的话，不妨告诉我怎么解决。最后成功在win10下跑通pointnet的分类、分割和语义分割三个部分，并记录下步骤。
后续文章：pointnet语义分割_训练并预测自己的数据

环境

win10+cuda10.1+cudnn7.5+python3.7.2+tensorflow-gpu1.13,gpu是RTX2060。

资源

pointnet代码GitHub链接
cuda10.1
cudnn7.5.0
tensorflow-gpu1.13
软件的安装在此不赘述了，网上都可以找到详细教程。注意tensorflow-gpu1.13应在上面给出的链接下载处理之后的版本，否则后续会出现问题（本人亲自尝试过，不知道为什么）。

运行

1) Classification
1.下载ModelNet40模型（约415MB）并解压,目录结构为pointnet-master/data/modelnet40_ply_hdf5_2048。
modelnet40_ply_hdf5_2048.zip
2.运行pointnet-master/train.py。

python train.py

   
   

   
   
1

训练250个epoch，本人gpu情况训练5小时结束。
3.使用TensorBoard查看网络架构并监视培训进度。

tensorboard --logdir log

   
   

   
   
1

4.评估模型并输出一些错误案例的可视化图像。

python evaluate.py --visu

   
   

   
   
1

可以评估模型并输出错误情况的一些可视化,错误分类的点云保存在文件夹pointnet-master/dump中。我们通过将点云渲染为三视图来可视化点云。

2)Part Segmentation
1.运行脚本下载ShapeNetPart数据集（约1.08GB）和HDF5文件（约346MB）。

cd part_seg
sh download_data.sh

   
   

   
   
1
2

下载不下来的话可以在下面网站找到。
ShapeNetPart数据集
shapenetcore_partanno_v0.zip
HDF5文件
ShapeNetPart数据集解压后格式为pointnet-master/part_seg/PartAnnotation，HDF5文件解压放在pointnet-master/part_seg/hdf5_data。
2.训练代码在pointnet-master/part_seg下。

python train.py

   
   

   
   
1

batch改为4（否则我的gpu报out of memory，当然你显存够大当我没说），训练200个epoch，本人gpu情况训练约22个小时结束。
3.测试代码也在pointnet-master/part_seg下。

python test.py

   
   

   
   
1

在这里会生成许多.obj文件，这是对应分割的每一部分，可以用cloudcompare/meshlab可视化软件查看结果(cloudcompare可能对obj文件支持不好显示不出点云的rgb信息）。测试结果在pointnet-master/part_seg/test_result文件夹下。

3)Semantic Segmentation
1.运行脚本下载训练集（约1.56GB）。

cd sem_seg
sh download_data.sh

   
   

   
   
1
2

或者可以从下面链接下载：
indoor3d_sem_seg_hdf5_data.zip
解压后格式为pointnet-master/sem_seg/indoor3d_sem_seg_hdf5_data。
2.训练。

python train.py --log_dir log6 --test_area 6

   
   

   
   
1

训练50个epoch，本人gpu情况需花费约5小时。训练好以后，在pointnet-master/sem_seg⽂件夹下⾯会有⼀个log6的⽂件夹，⾥⾯是选练好的模型。
3.预测。
下载S3DIS 点云数据集（约4.1GB），下载地址：
S3DIS 数据集
下载好后，将⽂件放到pointnet-master/data⽬录下，解压，并将⽂件名改为stanford_indoor3d。
修改indoor3d_util.py第13⾏：
修改前

DATA_PATH = os.path.join(ROOT_DIR, 'data','Stanford3dDataset_v1.2_Aligned_Version')

   
   

   
   
1

修改后

DATA_PATH = os.path.join(ROOT_DIR, 'data', 'stanford_indoor3d')

   
   

   
   
1

运⾏collect_indoor3d_data.py

python collect_indoor3d_data.py

   
   

   
   
1

预测

python batch_inference.py --model_path log6/model.ckpt --dump_dir log6/dump --output_filelist log6/output_filelist.txt --room_data_filelist meta/area6_data_label.txt --visu

   
   

   
   
1

在pointnet-master/sem_seg/log6⽂件夹下会⽣成dump⽂件夹，⾥⾯有.obj⽂件，可以用cloudcompare/meshlab等可视化软件查看结果。

参考

PointNet-环境搭建：win10、cuda10.1、cudnn7、python3.7、tensorflow-gpu1.13 （详细）
PointNet分类和分割代码复现（跑程序）

所有数据集网盘链接：链接：https://pan.baidu.com/s/15X-Q8ygoLn4GCNMnN51v9w
提取码：dcf6
复制这段内容后打开百度网盘手机App，操作更方便哦