init: finish PCT model implementation for PA3
A Jittor implementation of Point Cloud Transformer (PCT) for ModelNet40 classification.
本项目基于 Jittor 深度学习框架，实现了用于三维点云分类的 Point Cloud Transformer (PCT) 模型。模型在 ModelNet40 数据集上进行训练，能够对包含 2048 个点的三维点云进行特征提取，并预测其所属的 40 个物体类别。本项目为图形学课程 PA3 实验的开源代码。
安装 Jittor 框架，请参考官方指南：Jittor Install
本项目使用 ModelNet40 点云数据集。为节省仓库空间，数据集未直接上传。 请将包含 train_points.npy, train_labels.npy, test_points.npy 等文件的数据集放置于项目根目录的 data/ 文件夹下。
train_points.npy
train_labels.npy
test_points.npy
data/
直接运行主程序，代码将自动加载数据、初始化模型、开始训练并保存最终的模型权重与测试集预测结果：
```bash python pct.py
A Jittor implementation of Point Cloud Transformer (PCT) for ModelNet40 classification
版权所有：中国计算机学会技术支持：开源发展技术委员会 京ICP备13000930号-9 京公网安备 11010802047560号
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，实现了用于三维点云分类的 Point Cloud Transformer (PCT) 模型。模型在 ModelNet40 数据集上进行训练，能够对包含 2048 个点的三维点云进行特征提取，并预测其所属的 40 个物体类别。本项目为图形学课程 PA3 实验的开源代码。
环境依赖 (Requirements)
安装 Jittor 框架，请参考官方指南：Jittor Install
数据集 (Dataset)
本项目使用 ModelNet40 点云数据集。为节省仓库空间，数据集未直接上传。 请将包含
train_points.npy,train_labels.npy,test_points.npy等文件的数据集放置于项目根目录的data/文件夹下。使用方法 (Usage)
直接运行主程序，代码将自动加载数据、初始化模型、开始训练并保存最终的模型权重与测试集预测结果：
```bash python pct.py