jittor-Ayaka-PCT

环境安装

• Python >= 3.8
• 安装命令

  pip install -r requirements.txt

• 如果需要使用GPU，请安装CUDA和Jittor GPU版本，参考https://cg.cs.tsinghua.edu.cn/jittor/download/

数据准备

本项目使用 ModelNet40 点云数据，下载链接为https://cloud.tsinghua.edu.cn/f/f003de5a2e914d1e9e0e/?dl=1

下载后解压至代码同级目录下的 data/ 文件夹中。

训练

训练时自动进行数据增强、学习率余弦退火，并保存模型与测试集预测结果。

# 使用默认参数训练（SGD, 200 epochs, batch 32）
python pct.py

# 自定义参数示例
python pct.py --epochs 250 --batch_size 64 --lr 0.005 --optimizer adam --seed 1234

主要参数说明：

• --data_dir：数据集路径，默认为 ./data
• --n_points: 样本采样点数，默认1024
• --epochs：训练轮数，默认200
• --batch_size：训练批次大小，默认32
• --lr：初始学习率，默认0.001
• --optimizer：优化器，默认sgd
• --seed：随机种子，默认1234

训练过程中会输出每个 epoch 的训练损失、训练准确率，以及当前学习率和耗时。最终模型保存为 pct_model.pkl，测试集预测结果保存为 result.json。

评测

训练结束后，脚本会自动对测试集进行推理并生成 result.json。

输出文件说明：

• pct_model.pkl: 训练好的模型
• result.json: 测试集预测结果，格式为 {id: label}，其中 id 为样本编号，label 为预测类别。

{
  "0": 12,
  "1": 25,
  ...
}

结果说明

评价指标：分类准确率（Accuracy），公式为 正确预测样本数 / 总样本数。