RandLA-Net 调通代码3:Windows 11 + Tensorflow 2.4 + Sematic3D数据集

一、克隆大佬的源代码

克隆 https://github.com/QingyongHu/RandLA-Net

cd RandLA-Net

二、安装 Tensorflow

找配套的python、CUDA和cudnn。TF现在是真lj。

python = 3.8

CUDA = 11.0

cudnn = 8.0

pip3 install tensorflow-gpu==2.4.4

三、重要的 lib

pip install cython==0.29.15

pip install -U scikit-learn

pip install pandas==0.25.3

四、邻近搜索和下采样 sh compile_op.sh【具体命令如下】

pip install cython==0.29.15

4.1. KNN

cd utils/nearest_neighbors

python setup.py install --home="."

cd ../../

结果:/utils/nearest_neighbors 下生成 四个文件夹和knn.cpp

4.2. subsampling

cd utils/cpp_wrappers/cpp_subsampling

python setup.py build_ext --inplace

cd ../../../

结果:/utils/cpp_wrappers/cpp_subsampling 下生成 build文件夹和grid_subsampling.cp38-win_amd64.pyd

五、准备 Semantic3D 数据集

5.1. 下载地址

https://www.semantic3d.net/view_dbase.php?chl=1#download

5.2. 训练和测试文件下载

5.3. 解压后,*.txt和*.labels移动到 D:/data/Semantic3D/original_data

pip install -U scikit-learn

pip install pandas==0.25.3

5.3. 运行 python utils/data_prepare_semantic3d.py 过程中的坑

坑:[helper_tool.py]导入错误

填坑:/utils/nearest_neighbors/lib/python 下的文件夹:KNN_NanoFLANN-0.0.0-py3.8-win-amd64.egg 名称改为 KNN_NanoFLANN

填坑:将[helper_tool.py] 中的 import nearest_neighbors.lib.python.nearest_neighbors as nearest_neighbors

改为 import utils.nearest_n

  • 29
    点赞
  • 29
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 2
    评论
randla-net是一个基于深度学习的点云语义分割网络,可以用于识别和分割地面、建筑物、树木等物体。它主要由两个部分组成,即局部特征学习和全局特征融合。局部特征学习通过提取每个点周围的局部特征来捕捉局部信息,而全局特征融合则通过学习整个点云数据集的全局特征来融合全局信息。 在pytorch中实现randla-net的训练过程需要先加载S3DIS数据集,然后进行数据预处理和数据增强,接着构建randla-net模型并定义损失函数。在训练过程中,可以使用交叉熵损失函数来计算模型预测结果与真实标签之间的差异,然后通过优化器来调整模型的参数以最小化损失函数,最后对模型进行评估和测试。 具体而言,可以通过pytorch中的torch.utils.data.Dataset和torch.utils.data.DataLoader类来加载S3DIS数据集并进行数据预处理,例如对点云数据进行归一化、采样、旋转等操作。然后可以使用torch.nn.Module来构建randla-net模型,定义网络结构和前向传播过程。在训练过程中,可以使用torch.optim来选择梯度下降算法,并设置学习率和动量等超参数,然后通过循环迭代数据集来进行模型训练。 总之,通过对randla-net的详细讲解以及在pytorch中的实现训练S3DIS数据集,可以更好地理解这个深度学习模型的原理和实际应用,也能够在实践中掌握pytorch库的使用和模型训练技巧。
评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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

打赏作者

累了就要打游戏

把我养胖,搞代码

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
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