Tout d'abord, téléchargez le code source depuis github
https://github.com/yanx27/Pointnet_Pointnet2_pytorch
Il peut également être téléchargé à partir de Baidu Netdisk
Lien : https://pan.baidu.com/s/1sgTYuqnBVC9p3bib450SOQ
Code d'extraction : gujd
Téléchargez ensuite les données de test correspondantes
Les données de classification modelnet40_normal_resampled sont téléchargées et placées dans le répertoire data/modelnet40_normal_resampled/
Lien : https://pan.baidu.com/s/1OSjVP_1cRr2zowsdyLoK1A
Code d'extraction : 9r7l
Téléchargez les données de segmentation des pièces shapenetcore_partanno_segmentation_benchmark_v0_normal et placez-les dans le répertoire data/shapenetcore_partanno_segmentation_benchmark_v0_normal/
Lien : https://pan.baidu.com/s/1VebwBPk6fEuAhff__T4Oag
Code extraction : h44m
Téléchargez les données de segmentation sémantique Stanford3dDataset_v1.2_Aligned_Version (les données sont trop volumineuses, vous pouvez m'envoyer un message privé si vous en avez besoin), et placez-les dans le répertoire data/s3dis/Stanford3dDataset_v1.2_Aligned_Version/
Modifier le code source
Utilisez Pycharm pour ouvrir le répertoire de projet correspondant, exécutez train_classification.py, s'il fonctionne mal, vous devez modifier le code source correspondant
![](https://img-blog.csdnimg.cn/img_convert/e9e34b02e84a5e8332989c5df1d8a8d9.png)
Ensuite, vous pouvez le tester selon les instructions sur github
# ModelNet40
## Select different models in ./models
## e.g., pointnet2_ssg without normal features
python train_classification.py --model pointnet2_cls_ssg --log_dir pointnet2_cls_ssg
python test_classification.py --log_dir pointnet2_cls_ssg
## e.g., pointnet2_ssg with normal features
python train_classification.py --model pointnet2_cls_ssg --use_normals --log_dir pointnet2_cls_ssg_normal
python test_classification.py --use_normals --log_dir pointnet2_cls_ssg_normal
## e.g., pointnet2_ssg with uniform sampling
python train_classification.py --model pointnet2_cls_ssg --use_uniform_sample --log_dir pointnet2_cls_ssg_fps
python test_classification.py --use_uniform_sample --log_dir pointnet2_cls_ssg_fps
# ModelNet10
## Similar setting like ModelNet40, just using --num_category 10
## e.g., pointnet2_ssg without normal features
python train_classification.py --model pointnet2_cls_ssg --log_dir pointnet2_cls_ssg --num_category 10
python test_classification.py --log_dir pointnet2_cls_ssg --num_category 10
Erreur CUDA
Toute erreur CUDA peut être résolue en réduisant le batch_size
Paramétrage de Pycharm
Si vous exécutez le fichier py directement dans Pycharm et définissez les paramètres, vous devez le faire dans l'IDE, comme indiqué dans la figure ci-dessous
![](https://img-blog.csdnimg.cn/img_convert/ea95968813acf826e5443ae2f182e04f.png)
Après être entré dans Modifier les configurations, remplissez les paramètres, chaque paramètre est séparé par un espace
![](https://img-blog.csdnimg.cn/img_convert/01ddc1106d9b9ca5a19149e701813a64.png)