手把手一步一步教你跑深度学习模型，Ubuntu22.04复现算法RandLa-net， 数据集使用S3DIS

简介

RandLA-Net目前应该是三维点云语义分割领域的一篇新的主流框架，在大场景三维点云语义分割算法RandLA-net中，原论文代码的环境是python3.5+tensorflow1.11+cuda9，而cuda9是不能在显卡RTX3080上跑通的，所以我的复现环境：python3.6+tensorflow-gpu2.6+cuda11.4+cudnn
博主亲测过，不过cuda和cudnn安装的版本要和ubuntu版本对应🙉。

1.下载代码

git clone --depth=1 https://github.com/luckyluckydadada/randla-net-tf2.git

2.创建环境

conda create -n randlanet python=3.6

3.进入环境

conda activate randlanet

tensorflow根据服务器版本安装对应的cuda和cudnn,注意cuda安装在服务器上跟cudnn,虚拟环境安装可能存在一定的问题，建议装服务器外面。一般问题就出现在环境上面，多花点功夫。

4.安装需要支持

注意路径进入randla-net-tf2文件夹，这里是安装一些工具。【打开helper_requirements.txt可看】

pip install -r helper_requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple --timeout=120
如果下载速度可以的话，不需要使用镜像源

5.注意路径进入randla-net-tf2文件夹下，再运行：

sh compile_op.sh
进行编译相关函数

6.数据集介绍和下载：

大场景室内点云标注数据集S3DIS介绍
点云数据集
下载后数据集存放位置：家目录/data/S3DIS下。

ls ~/data/S3DIS/Stanford3dDataset_v1.2_Aligned_Version

同上皆是环境内，randla-net-tf2文件夹下运行：

7.运行代码生成需要文件

python utils/data_prepare_s3dis.py # 通过Stanford3dDataset_v1.2_Aligned_Version 生成input_0.040和original_ply

python utils/data_prepare_s3dis.py

这是经过栅格采样处理后的点云中间格式文件

8.训练 area2~5 ：

python -B main_S3DIS.py --gpu 0 --mode train --test_area 1

python -B main_S3DIS.py --gpu 0 --mode train --test_area 1

9.预测area1

python -B main_S3DIS.py --gpu 0 --mode test --test_area 1

python -B main_S3DIS.py --gpu 0 --mode test --test_area 1

然后进行6倍交叉验证，将生成的val_preds文件放到data下自创的result文件中

放到如下result:

然后执行指令：python utils/6_fold_cv.py

python utils/6_fold_cv.py

10.可视化操作：

python vis_S3DIS.py #在vis_S3DIS.py文件里2处把家目录后面的用户名文件目录改成自己的🙉

python vis_S3DIS.py