pointnet++复现

首先修改代码中所有错误，与自己的python和tensorflow适配，导入该导入的包，其中provider和eulerangles和plyfile都在utils文件下或者pointnet-master的代码中
修改tf_ops中的文件：参考第一篇与第二篇
注意：报错

/usr/bin/ld: cannot find -ltensorflow_framework，collect2: error: ld returned 1 exit status。

应该是没有修改sh文件时未能找到/usr/…/ltensorflow_framework这个路径
解决方法：
我是用的云服务器，将sh文件中的-ltensorflow_framework修改为-l:libtensorflow_framework.so.1
有的人可能是要改成-libtensorflow_framework
然后运行

cd tf_ops/sampling
sh tf_sampling_compile.sh
cd tf_ops/grouping
sh tf_grouping_compile.sh
cd tf_ops/d_interpolation
sh tf_interpolate_compile.sh

进入环境

conda activate tf

训练

cd autodl-nas/pointnet2-master

CUDA_VISIBLE_DEVICES=0   python  train.py

报错

tensorflow.python.framework.errors_impl.NotFoundError: /root/autodl-nas/pointnet2-master/tf_ops/sampling/tf_sampling_so.so: undefined symbol: _ZN10tensorflow12OpDefBuilder4AttrESs

将sh文件中的-D_GLIBCXX_USE_CXX11_ABI=0改为1
再运行.sh文件

cd tf_ops/sampling
sh tf_sampling_compile.sh
cd tf_ops/grouping
sh tf_grouping_compile.sh
cd tf_ops/d_interpolation
sh tf_interpolate_compile.sh

训练结果可视化

tensorboard --logdir=log#这里要指定日志文件夹名字，因为默认似乎是logs，但是pointnet++分类训练生成的日志文件名为log

系统架构图

训练后验证结果

CUDA_VISIBLE_DEVICES=0 python evaluate.py --num_votes 12

可视化（此步骤无需gpu）

在utils文件下

sh compile_render_balls_so.sh
python show3d_balls.py

获得可视化结果

pointnet++复现相关推荐

PointNet复现
PointNet复现设备及运行环境基本情况: (1)硬件:ThinkPad P53移动图像工作站,CORE i7 -9850H 32G内存,显卡为NVIDIA Quadro T2000 4G : ( ...
Pointnet++复现流程及问题解决
复现流程 1.通过github下载pointnet++的包; 2.以分类为例,在pointnet2-master目录下新建data文件夹,将modelnet40_ply_hdf5_2048数据集解压到 ...
Pytorch1.7复现PointNet++点云分割（含Open3D可视化）（文末有一个自己做的书缝识别项目代码）
毕设需要,复现一下PointNet++的对象分类.零件分割和场景分割,找点灵感和思路,做个踩坑记录. 下载代码 https://github.com/yanx27/Pointnet_Pointne ...
点云网络的论文理解（一）-点云网络的提出 PointNet : Deep Learning on Point Sets for 3D Classification and Segmentation
1.摘要 1.1逐句翻译 Point cloud is an important type of geometric data structure. 点云是一种重要的数据结构. Due to its ...
点云网络的论文理解（二）- PointNet的pytorch复现
1.了解PointNet 为了更好的复现这个东西我们需要先了解这个东西,先把原文给出的图片放在这里,之后我们再一点点理解. 1.1点云的特点 1.1.1无序性:也就是说这个点的先后顺序和实际上是什么无 ...
Pytorch：复现PointNet
文章目录一.[点云分类]和[部件分割]: 1.1 复现结果展示 1.2 复现过程 1.3 复现过程中遇到的问题 1.3.1 分类遇到的问题 1.3.2 分类可视化(检验)遇到的问题 1.3.3 部件 ...
基于pointnet的3D物体分类和分割检测（复现不出来你直接敲我家门）
录前言一.资料下载 1.代码下载 2.数据集下载二.环境配置 1.本文采用设备配置说明 2.虚拟环境配置三.训练部分 1.分类训练部分 2.分割的训练部分四.预测部分 1.分类结果展示 2. ...
PointNet系列代码复现详解(1)—PointNet分类部分
想尽快入门点云,因此就从这个经典的点云处理神经网络开始.源码已经有了中文注释,但在一些对于自己不理解的地方添加了一些注释.欢迎大家一起讨论. 代码是来自github:GitHub - yanx27/P ...
Python-Point Cloud 系列（二）——PointNet论文复现
文章目录 Point Net 介绍网络结构旋转变换矩阵源码解析(详细) 源码下载源码目录结构 PointNet.py ModelNetDataLoader.py 复现程序原文数据集下载其他 ...

pointnet++复现

训练

训练结果可视化

可视化（此步骤无需gpu）

pointnet++复现相关推荐

最新文章

热门文章