Windows11和Ubuntu用PointNet++训练本身的数据集（部件分割模子） ...

省流：
（1）不管是Linux照旧Windows都不影响，只要有pycharm或者vscode即可，啥体系都行。
（2）别的由于本身的需求，以是只做物体部件分割（partseg）任务，没有复现分类（classification）和语义分割（semseg）。
（3）文章包罗：创建标注本身的数据集、数据集按格式放到pointnet工程、代码修改、报错修改
（4）博主只是按照本身的数据集复现原来网络的train和test，即跑完一个完整的步骤。至于用本身训练好的模子去检测本身的点云文本，之后再实现可视化和生存检测结果，这个问题博主另有待办理。
  背景：自建了一个轮胎外貌的点云，必要用pointnet++网络分出轮胎的 槽顶 和 槽底。（本身采的点云，精度不是很高，见笑了）。以是就是1个物体（即轮胎）2个部件（即槽底 和 槽顶）。记住这个数字，后面数据集标注和改代码会用到。关于PointNet++的原理和代码讲解可以看这个B站视频。

一、标注数据集

软件：CloudCompare
标注方法：如何使用CloudCompare软件进行点云数据标注
注意：原文中那个：SF name是一样的，便是luntai（一个物体），但是value的值是不一样的，即槽底设置是0，槽顶设置是1（来两个部件）。

标注完后：

得到此中一个txt文本：我们没有用向量信息，以是就是 x y z位置信息和类别。
注意： cloudCompare生成了的txt文件，最后一行会有一个空行，我不知道训练时有没有影响，我是删掉了！！！！！！。

二、下载源码

链接：https://github.com/yanx27/Pointnet_Pointnet2_pytorch

三、添加本身的数据集

3.1知识准备——要看！！发起下载shapenet数据集领会一下

本身用得到的功能是部件分割即partseg，以是得参考原作者用的ShapeNet数据集的格式。
格式介绍：点云数据集ShapeNet
ShapeNet数据集百度网盘下载： 百度网盘【提取码:evqi】
百度网盘来源：【三维视觉】【深度学习】ubuntu18.04下PointNet官方代码Pytorch实现
3.2添加本身的数据集

在本身的源码工程下新建 data 文件夹，在其下新建shapenetcore_partanno_segmentation_benchmark_v0_normal文件夹，之后在创建以下三个文件，由于本身是一个物体即luntai，以是就只有一个本身起的编号（01234567）。

（1）01234567：0-35，一共36个轮胎的点云

（2）synsetoffset2category.txt：对应好即可，注意两者之间是tab键照旧空格。我是从ShapeNet数据集直接改的，以是不太清楚。

（3）train_test_split文件夹：指定本身的36个点云文件，哪些点云是用于训练（train）、那些用于测试（test）、那些用于验证（val）。
三个json文件内里的名字、路径对应上就好，不用加.txt且前面的shape_data要加上而且01234567在多个物体时要记得修改。

（4）最后在pycharm的工程上看到：

四、修改代码

由于原来的partseg代码用的是16种物体共50个部件，咱们是1个物体2个部件，以是有些张量的维度得改。
参考：Pointnet++内Partseg分割网络训练本身的数据集
4.1 改train_partseg.py：

（1）

（2）

4.2 改test_partseg.py：

（1）

（2）

4.3pointnet2_part_seg_msg.py（你若用这个模子，就改动，用别的模子就改别的）

（1）

（2）

（3）

五、运行train_partseg.py

若风俗终端命令，可以从pycharm运行终端，并进入该工程的文件夹

5.1运行train_partseg.py

第一种方法：命令行传参

1. python train_partseg.py --model pointnet2_part_seg_msg --log_dir pointnet2_part_seg_msg

复制代码

（1）–model pointnet2_part_seg_msg 是指定模子为pointnet2_part_seg_msg，模子名字可以看工程文件的models文件夹有哪些模子
（2）由于咱们本身的txt文件没有向量信息，以是命令行没加 --normal
（3）–log_dir pointnet2_part_seg_msg是指定训练后的数据生存在log/part_srg下那个文件夹。若是指定就是生存到 后面名字指定的文件夹，没指定就是按时间来定名。如下图

第二种方法：直接运行.py文件，但是要设置好默认值（default）

5.2运行出现的问题

（1）问题1：torch.OutOfMemoryError: CUDA out of memory.
（2）办理：减小上图中的批量巨细（batch size） 或者 不要再本身条记本上跑，在具有好的深度学习条件的电脑上跑。我是换成了更好的台式电脑。
（3）参考：torch.OutOfMemoryError: CUDA out of memory
六、运行test_partseg.py

6.1运行test_partseg.py

可以看到相比于train_partseg.py参数设置另有有点不同
法一：终端命令行来进行。
别的，同样咱们的txt是没有向量信息，以是也不带–normal

1. python test_partseg.py --log_dir pointnet2_part_seg_msg

复制代码

或者日期的文件夹

1. python test_partseg.py --log_dir 2024-12-05_20-22

复制代码

法2：pycharm点击运行
把required改成 default。后面带文件夹

6.2运行出现问题

（1）问题1：RuntimeError: Error(s) in loading state_dict for model
原因：代码参数值与模子训练时的参数值不一致导致异常信息
办理：看看那些默认值，train和test有些参数是否一样 或者 训练train时存放的log里的文件夹和这里测试test时读取的是否是一个，我的就是单击pycharm运行按钮导致train存放在日期文件夹下，test在终端输入，目录读取pointnet2_part_seg_msg文件夹，不一致，以是命令换成读取相应日期文件就好。

（2）问题2：numpy‘ has no attribute ‘float‘
原因：numpy‘ has no attribute ‘float
办理方法1：低落numpy版本
快捷安装方法：
点击pycharm右下方解释器，再点击解释器设置：

+是下载，还可以选择版本，选1.25.3
-是卸载

办理方法2：参考PyTorch复现PointNet++——模子训练+模子测试，内里有一种方法说把代码中的报错部分改为np.float64。
np.array(total_correct_class) / np.array(total_seen_class, dtype=np.float64))。这里用了老哥的图贴一下。

（3）问题3：RuntimeError: GET was unable to find an engine to execute this computation
办理方法1：先按此链接试试，如果都没问题，都能正常打印再参考此篇知乎批评区
在test_partseg.py前面 加上torch.backends.cudnn.enabled = False（亲测有用）

办理方法2：我看过有帖子说换成cpu就行，我没试过！！！！若用cpu跑。就把那个使用GPU的参数设置为使用cpu。

我没试过！！
七、用本身训练的模子检测一个本身的数据集，并分类生存在相应的txt，正在攻克！


免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！更多信息从访问主页：qidao123.com:ToB企服之家，中国第一个企服评测及商务社交产业平台。