计图比赛 · 热身赛2 开源：ModelNet40 点云分类（Jittor）

本仓库按《开源代码规范（计图比赛）》组织。官方提交路径为 Jittor（PointNet / PCT）。

战队：沃信2.0
仓库命名：jittor-woxin2_0-warmup2（规范：jittor-[战队名]-[项目名]；GitLink 中战队名「沃信2.0」写作 woxin2_0）
项目：热身赛2 · ModelNet40 点云分类

环境安装

Python 3.8–3.12（推荐 3.10+）
依赖安装：

pip install -r requirements.txt

若 jittor 未能装上，请按 Jittor 官方文档单独安装。
可选：tools/ 下 PyTorch 辅助脚本需自行安装 torch，不参与官方提交。
Windows 上 Jittor 默认走 CPU；尝试 GPU 可设置环境变量 JITTOR_USE_CUDA=1。

数据准备

从计图 / Educoder 热身赛2 页面下载 ModelNet40 缓存（本仓库不分发 .npy）。
放到：

data/
  train_points.npy
  train_labels.npy
  test_points.npy
  categories.txt      # 仓库已提供类名列表（可选）

python scripts/train.py --config configs/default.yaml --data-root /path/to/data_dir

详见 data/README.md。自检：

python tools/check_data.py --data-root ./data

训练

在仓库根目录执行：

# 推荐 PointNet（CPU / GPU 均可）
python scripts/train.py --config configs/default.yaml --seed 42

# 可选 PCT（更慢）
python scripts/train.py --config configs/default.yaml --model pct --epochs 50 --seed 42

命令行参数优先于 configs/default.yaml。产物写入 outputs/：

文件	含义
`config.yaml`	实际生效配置
`command.txt`	完整命令行
`train.log`	训练日志
`best_model.pkl`	当前最优权重（按 train accuracy）
`result.json`	测试集预测

评测 / 推理

python scripts/train.py --config configs/default.yaml --eval-only --ckpt outputs/best_model.pkl

会写入 outputs/eval.log 并更新 result.json。

结果说明

本地指标：训练集 Accuracy（官方热身数据未提供独立 val 划分，故用 train acc 选模）。
提交格式：result.json，键为测试样本 id，值为类别 0–39。
与线上成绩的差异：点云采样/增强随机性、CPU/GPU、Jittor 版本会导致合理波动；tools/ 中 PyTorch DGCNN 等本地分数不等于 Jittor 官方提交分，以 Educoder 为准。

可复现要点

统一随机种子：seed / --seed（默认 42）。
缺数据或缺权重时给出明确报错与修复路径。
第三方声明见 NOTICE。

模型

名称	说明
`pointnet`	默认；MLP + max-pool，CPU 友好
`pct`	Point Cloud Transformer；自注意力，CPU 很慢

默认超参：n_points=1024, batch_size=32, epochs=120, lr=1e-3, seed=42。

目录结构

configs/          训练超参（YAML）
src/              数据集与模型
scripts/          Jittor 训练 / 推理入口
tools/            数据自检；可选 PyTorch 辅助（非提交）
data/             说明 + categories.txt（不提交 .npy）
outputs/          运行产物（gitignore）
LICENSE           MIT
NOTICE
requirements.txt

License

MIT。数据版权归比赛主办方，请勿将 .npy 原始数据推入本仓库。