Delete PA3_README.pdf
本项目使用 Jittor 实现 Point Cloud Transformer（PCT），用于 ModelNet40 三维点云分类任务。程序会读取 data/ 下的预处理数据，训练模型，并生成测试集预测结果 result.json。
data/
result.json
建议先安装依赖：
pip install jittor numpy
数据文件位于 data/ 目录：
train_points.npy
train_labels.npy
test_points.npy
categories.txt
HW/ ├── pct.py ├── result.json(未上传) ├── data/ │ ├── categories.txt │ ├── test_points.npy │ ├── train_labels.npy │ └── train_points.npy └── README.md
直接执行训练与预测脚本：
python pct.py
常用参数：
--data_dir
./data
--n_points
1024
--batch_size
32
--epochs
200
--lr
0.01
--seed
42
示例：
python pct.py --epochs 100 --batch_size 16 --lr 0.005
运行结束后会生成：
pct_model.pkl
{"样本编号": 类别编号}
jt.flags.use_cuda = 1
A Jittor implementation of Point Cloud Transformer (PCT) for ModelNet40 classification
PCT 点云分类作业
本项目使用 Jittor 实现 Point Cloud Transformer（PCT），用于 ModelNet40 三维点云分类任务。程序会读取
data/下的预处理数据，训练模型，并生成测试集预测结果result.json。环境要求
建议先安装依赖：
数据说明
数据文件位于
data/目录：train_points.npy：训练集点云数据train_labels.npy：训练集标签test_points.npy：测试集点云数据categories.txt：类别说明目录结构
运行方式
直接执行训练与预测脚本：
常用参数：
--data_dir：数据目录，默认./data--n_points：每个点云采样点数，默认1024--batch_size：批大小，默认32--epochs：训练轮数，默认200--lr：初始学习率，默认0.01--seed：随机种子，默认42示例：
输出文件
运行结束后会生成：
pct_model.pkl：训练得到的模型权重result.json：测试集预测结果，格式为{"样本编号": 类别编号}注意事项
jt.flags.use_cuda = 1。如果本机没有可用 CUDA 环境，需要按需修改脚本。data/下文件名与 README 中一致。