ModelNet40 点云分类（PCT + Jittor）

基于 PCT (Point Cloud Transformer) 的 ModelNet40 分类方案，使用 Jittor 实现。

目录结构

.
├── README.md
├── LICENSE
├── requirements.txt
├── configs/
│   └── default.yaml      # 唯一配置文件
├── data/
│   └── README.md         # 数据说明（不含 .npy）
├── scripts/
│   └── pct.py            # 训练 + 推理入口
└── outputs/              # 权重、result.json、日志等（不提交）

1. 环境安装

• Python 3.8+
• NVIDIA GPU + CUDA（推荐）

pip install -r requirements.txt

2. 数据准备

按 data/README.md 将 train_points.npy、train_labels.npy、test_points.npy 放入 data/。

3. 训练

在仓库根目录执行：

python scripts/pct.py
# 或指定配置
python scripts/pct.py --config configs/default.yaml

常用覆盖（命令行优先于配置文件）：

CUDA_VISIBLE_DEVICES=4 python scripts/pct.py --epochs 300 --patience 40

产物写入 outputs/：

• pct_model_best.pkl — train acc 最高
• pct_model.pkl — 最后一轮
• result.json — 测试集预测
• config.json、command.txt — 可复现记录

4. 评测 / 推理

训练结束会自动用 best 权重生成 outputs/result.json。

提交格式：{"0": 12, "1": 5, ...}（样本编号 → 类别 id 0–39）。

5. 结果说明

• 指标：测试集分类准确率（需官方标签评测）；训练时打印 train acc 作参考。
• 随机种子：--seed（默认 42）。
• 与线上成绩若有差异，可能来自数据划分、增强随机性、early stopping 轮次等。

第三方引用

• PCT: Guo et al., PCT: Point Cloud Transformer, 2020.
• 框架: Jittor (MIT License).