PCT_jittor

A Jittor implementation of Point Cloud Transformer (PCT) for ModelNet40 classification.

项目简介 (Introduction)

本项目基于 Jittor 深度学习框架，实现了用于三维形状分类的经典网络架构 Point Cloud Transformer (PCT)。与生成模型不同，PCT 不包含生成器和判别器，其核心目标是对输入的三维点云进行特征提取与分类。

网络主要分为以下几个部分：

1. **特征嵌入 (Input Embedding)**：利用逐点一维卷积对输入坐标进行初步特征映射。
2. **自注意力模块 (SA Layer)**：串联四个 Self-Attention 层，通过 Query、Key、Value 的相似性计算，建立点云的全局上下文几何关系。
3. 特征融合与分类头：融合多层特征，通过全局最大池化 (Max-Pooling) 提取出 1024 维的全局描述特征，最后经过全连接层输出 40 个类别的预测得分 (logits)。

环境依赖与安装 (Installation)

Jittor 框架目前原生支持 Linux 或 Windows (包括 WSL) 系统。由于模型训练涉及大量的计算，推荐在带有 GPU 加速的云服务器或本地 WSL 环境中运行。

为了极速创建纯净的虚拟环境并管理依赖，推荐使用 uv 工具（也可以使用标准的 pip）：

```bash

1. 创建并激活指定版本的 Python 虚拟环境

uv venv –python 3.10 source .venv/bin/activate

2. 安装 Jittor 深度学习框架

uv pip install jittor

3. 安装其他数据处理依赖

uv pip install numpy