jittor-研途致远-计图挑战赛赛道二热身赛

本仓库为计图挑战赛赛道二热身赛开源代码，使用 Jittor 实现 Point Cloud Transformer (PCT)，用于 ModelNet40 点云分类任务。

GitLink 热身赛仓库：

https://www.gitlink.org.cn/Aaaa-xiaoxia/PCT

按比赛开源命名规范，项目名为：

jittor-研途致远-计图挑战赛赛道二热身赛

项目简介

本项目从预处理后的 .npy 文件读取训练集和测试集点云，训练 PCT 分类模型，并生成线上提交所需的 result.json。

主要文件：

.
├── pct.py                         # 训练与推理主程序
├── requirements.txt               # Python 依赖
├── LICENSE                        # 开源协议
├── data/
│   ├── README.md                  # 数据放置说明
│   └── categories.txt             # ModelNet40 类别名称
└── 开源代码规范（计图比赛）.md       # 比赛开源规范

数据集、模型权重和运行产物不纳入 git 管理，请按下文说明放置或生成。

环境安装

建议使用 Python 3.8 或更高版本。

pip install -r requirements.txt

如需使用 GPU，请确保本机 CUDA 环境可被 Jittor 正确识别。若只在 CPU 上调试，可在运行命令中加入 --use_cuda 0。

数据准备

请将比赛提供或预处理后的数据放到 data/ 目录下：

data/
├── train_points.npy
├── train_labels.npy
├── test_points.npy
└── categories.txt

数据说明：

train_points.npy: 训练点云，形状通常为 (N, 2048, 3)
train_labels.npy: 训练标签，形状通常为 (N,)
test_points.npy: 测试点云，形状通常为 (N, 2048, 3)
categories.txt: 40 个类别名称，每行一个类别

训练

默认训练 200 个 epoch，并在训练结束后保存权重和预测结果：

python pct.py --mode train --data_dir ./data --n_points 1024 --batch_size 32 --epochs 200 --lr 0.01 --seed 42 --model_path outputs/pct_model.pkl --output_path outputs/result.json

训练输出：

outputs/pct_model.pkl
outputs/result.json

评测/推理

已有模型权重时，可以直接加载 checkpoint 并生成预测文件：

python pct.py --mode infer --data_dir ./data --n_points 1024 --batch_size 32 --seed 42 --model_path outputs/pct_model.pkl --output_path outputs/result.json

如果使用当前目录下已有的本地权重，也可以运行：

python pct.py --mode infer --data_dir ./data --model_path pct_model.pkl --output_path result.json

结果说明

脚本输出的 result.json 为测试集预测结果，格式为：

{
  "0": 12,
  "1": 4
}

其中 key 为测试样本编号，value 为预测类别编号。线上成绩以比赛平台评测结果为准；本地重新训练可能因随机初始化、硬件环境和训练轮数不同而与当前提交结果存在差异。

方法说明

模型输入为点云坐标 (B, 3, N)，先通过两层 1D 卷积提取特征，再堆叠 4 个 self-attention 层建模点之间的关系，随后融合全局特征并使用全连接层完成 40 类分类。

训练配置：

损失函数：cross entropy
优化器：SGD
学习率策略：cosine annealing
数据增强：绕 Y 轴随机旋转
随机种子：通过 --seed 设置

开源说明

本仓库用于计图挑战赛代码开源。提交前请确认：

仓库为 public
README 中的环境、数据、训练、推理命令可执行
未提交数据集原始文件、模型权重和训练产物
GitHub 和 GitLink 均已同步

License

本项目采用 MIT License。