Tensorflow+Win10实现DGCNN代码

今天给大家讲解一下如何成功调试DGCNN的代码，之前发的博客是关于PointNet的代码调试，它们两个的网络非常类似，只不过DGCNN结合了局部的特征信息，关系到了点领域之间的关系，但是PointNet只是逐点提取了全局特征，所以分割和分类效果没DGCNN好。
网上源码的网址为：https://github.com/WangYueFt/dgcnn
一、首先对于电脑的配置的话，因为我目前用的是笔记本电脑，所以使用的是Tensorflow-Gpu1.14版本，cuda为10.1，编译器的话最好用Pycharm，因为VSCODE在读取数据集文件的时候总报错。
二、因为，之前的文章有介绍数据集的下载，所以在这里就不多说了，但是这里需要提醒的是需要把数据集放在我们打开Pycharm的文件夹中，防止它利用相对路径，因为我代码没有看太仔细。
三、对于分类的训练来讲，因为它源码中有一个data的路径，这里我们最好在文件夹中新建立一个data的文件夹，然后将modelnet40数据集放进去。

train.py中前面的参数修改中，只需要修改下Epoch和batch_size，后者的话看自己显卡内存，笔记本的话最好在8以下，不然可能会报错。Epoch的话可以慢慢提升。

这两个文档的读取如果报错的话就改为绝对路径。

我只跑了10个Epoch，所以比论文中的结果小很多，如果显卡好的话，可以多提升点Epoch。

运行评价的py文件，可以得到一个预测的标签文本，可以进一步观察准确率。
四、对于部分分割和语义分割任务的话，与分类类似，如果报错就修改下数据集地址，原作者给了一个175个Epoch训练得到的权重，可以直接拿来用做部分分割测试，因为本人的电脑配置没有那么高，所以训练的model没有那么好，原作者训练的模型测试的miou为85.15%，原文是85.2%，基本一致。

如果遇到一些代码错误的话，最好看一下自己的路径有没有写错，因为代码中的网络一般不添加的话不用修改，适当的修改送点云的数量，以上仅是本人调试的过程，如有不对，请多多指正！！！