PCT (Point Cloud Transformer) - Jittor 实现

计图比赛 ModelNet40 点云分类开源项目

1. 环境安装

• Python 3.8+
• Jittor 1.3.11.0+

pip install -r requirements.txt

2. 数据准备

创建data文件夹，从链接 https://cloud.tsinghua.edu.cn/f/f003de5a2e914d1e9e0e/?dl=1 下载比赛提供的数据集后，将以下文件放入data/文件夹下：

• train_points.npy
• train_labels.npy
• test_points.npy
• categories.txt

目录结构：

data/
├── train_points.npy
├── train_labels.npy
├── categories.txt
└── test_points.npy

3. 训练

python src/pct.py --mode train --config configs/config.json

命令行参数	参数类型	参数说明
config	str	基础配置文件的路径
data_dir	str	数据集根目录路径（存放有 train_points.npy 等文件）
n_points	int	每台点云样本采样的点数（如 1024）
batch_size	int	训练与测试的批大小 (Batch Size)
epochs	int	总训练轮数 (Epochs)
lr	float	初始学习率 (Learning Rate)
seed	int	随机种子，用于固定随机性以确保实验可复现

4. 评测

训练完成后自动生成测试集预测文件：output/result.json 如果已经有训练好的模型，可以直接预测

python src/pct.py --mode eval --config configs/config.json --ckpt outputs/pct_model.pkl

5. 结果说明

任务：ModelNet40 40 类点云分类 输出：测试集预测结果 result.json

将预测结果打包为 zip 提交到 https://www.educoder.net/competitions/Jittor-7，目录结构和文件名按照以下方式组织： -- result.zip -- result.json // 测试集预测结果 其中 result.json 的格式示例：

{
    "0": 4,
    "1": 35,
    "2": 10,
    ...
}

key 为测试集样本的编号（字符串，从 “0” 开始），value 为预测的类别编号（整数，0-39）