jittor-原泽宇-PCT_jittor

本项目是图形学实验 PA3：Point Cloud Transformer 的 Jittor 实现，用于在 ModelNet40 点云数据集上完成三维形状分类任务。代码包含数据读取、点云增强、模型训练、验证、测试集推理和预测结果导出流程。

最终线上提交结果已在头歌 Educoder Jittor-7 平台通过评测，分数为 0.8266，评测编号为 2026051510143346343746。

目录结构

.
├── configs/
│   └── default.json
├── data/
│   └── README.md
├── scripts/
│   ├── eval.sh
│   └── train.sh
├── src/
│   └── pct.py
├── .gitignore
├── LICENSE
├── README.md
└── requirements.txt

说明：

src/pct.py：核心代码，包含数据集读取、模型定义、训练、验证、推理和结果导出。
configs/default.json：默认训练与评测参数说明。
scripts/train.sh：训练脚本。
scripts/eval.sh：推理脚本。
data/README.md：数据准备说明。
outputs/：默认输出目录，保存模型、日志和预测结果，不提交到仓库。

环境安装

建议使用 Python 3.8 或更高版本。Jittor 当前支持 Linux 和 Windows/WSL，运行前需要安装 C++ 编译器，例如 g++ 或 clang。

安装依赖：

pip install -r requirements.txt

如果 Jittor 安装遇到问题，可参考官方安装教程：

https://cg.cs.tsinghua.edu.cn/jittor/download/

数据准备

本项目使用预处理后的 ModelNet40 numpy 数据。数据文件体积较大，不放入代码仓库。请将数据放到 data/ 目录下：

data/
  train_points.npy
  train_labels.npy
  test_points.npy

也可以通过命令行参数 --data_dir 指定其他数据目录，例如：

python src/pct.py --data_dir /path/to/modelnet40

训练

使用默认参数训练并导出测试集预测结果：

bash scripts/train.sh

等价命令如下：

python src/pct.py \
  --data_dir ./data \
  --model pct \
  --n_points 1024 \
  --batch_size 32 \
  --epochs 200 \
  --seed 42 \
  --model_path outputs/pct_model.pkl \
  --result_path outputs/result.json

CPU 快速 smoke test：

python src/pct.py --epochs 1 --batch_size 4 --n_points 128 --num_workers 0

评测与推理

使用已训练好的 checkpoint 进行推理：

bash scripts/eval.sh outputs/pct_model.pkl

等价命令如下：

python src/pct.py \
  --eval_only \
  --data_dir ./data \
  --model pct \
  --model_path outputs/pct_model.pkl \
  --result_path outputs/result.json

推理完成后，将生成的 outputs/result.json 提交到头歌 Educoder Jittor-7 平台评测。

结果说明

线上评测指标为测试集分类准确率。result.json 采用“样本编号到预测类别”的映射格式，平台根据预测类别与隐藏测试集标签计算准确率。

本次最终提交结果：

评测状态：accept
评测分数：0.8266
评测编号：2026051510143346343746

最终预测结果文件已上传至清华云盘：

https://cloud.tsinghua.edu.cn/f/e2367ccc06564baab01c/

可复现性说明

代码提供 --seed 参数，并在程序入口统一设置 NumPy 和 Jittor 的随机种子。训练和评测的关键参数均可通过命令行传入，常用参数见 configs/default.json。

scripts/train.sh 和 scripts/eval.sh 会在 outputs/ 中保存本次运行的 config.json、command.txt 和日志文件。由于训练过程包含随机采样和数据增强，不同硬件、Jittor 版本或随机种子下的结果可能与最终线上分数存在小幅差异。

第三方依赖与声明

本项目基于 Jittor 和 NumPy 实现。PCT 网络结构参考 Point Cloud Transformer 相关论文和课程实验说明，代码由本实验实现与整理。