# PCT ModelNet40 Classification

基于 Jittor 的 PCT（Point Cloud Transformer）点云分类代码，用于 ModelNet40 三维形状分类任务。代码包含数据加载、训练、验证和测试集推理流程，预测结果保存为 result.json。

目录结构

.
├── src/
│   └── pct.py
├── data/
│   └── README.md
├── outputs/
├── NOTICE
├── requirements.txt
├── LICENSE
├── .gitignore
└── README.md

• src/：核心代码
• data/：数据说明，不提交大型数据文件
• outputs/：训练日志、模型权重和预测结果，默认不提交
• NOTICE：第三方依赖与来源说明
• LICENSE：开源许可证

环境安装

建议使用 Python 3.8 或更高版本，并准备支持 CUDA 的运行环境。

pip install -r requirements.txt

代码默认启用 GPU：

jt.flags.use_cuda = 1

如需在 CPU 环境运行，请在代码中将其改为 0。

数据准备

将预处理后的 ModelNet40 数据放入 data/ 目录：

data/
  train_points.npy
  train_labels.npy
  test_points.npy
  categories.txt

数据根目录通过 --data_dir 指定，默认值为 ./data。

训练

从项目根目录运行：

python src/pct.py --data_dir ./data --output_dir ./outputs --n_points 2048 --batch_size 16 --epochs 300 --lr 0.001 --seed 42

常用参数：

• --data_dir：数据目录，默认 ./data
• --output_dir：输出目录，默认 ./outputs
• --n_points：每个样本采样点数，默认 2048
• --batch_size：批大小，默认 16
• --epochs：训练轮数，默认 300
• --lr：学习率，默认 0.001
• --seed：随机种子，默认 42
• --mode：运行模式，可选 train 或 infer，默认 train
• --ckpt_path：推理时加载的模型权重路径

评测/推理

训练命令会在结束后自动对测试集生成预测结果。也可以使用已有权重单独推理：

python src/pct.py --mode infer --data_dir ./data --output_dir ./outputs --ckpt_path ./outputs/pct_model_best.pkl --vote_num 10

输出文件：

outputs/config.json
outputs/command.txt
outputs/train.log
outputs/pct_model_best.pkl
outputs/result.json

result.json 格式示例：

{
  "0": 12,
  "1": 5
}

键为测试样本编号，值为预测类别。

结果说明

训练过程中使用验证集分类准确率（accuracy）选择最佳模型：

accuracy = 正确预测样本数 / 总样本数

测试集结果通过多次旋转投票得到，--vote_num 控制投票次数。由于随机初始化、数据增强、训练轮数和硬件环境不同，本地结果可能与线上提交结果存在小幅差异。

可复现说明

代码提供 --seed 参数，并在 NumPy 与 Jittor 中统一设置随机种子。每次运行会自动在 --output_dir 中保存实际配置、运行命令和训练日志：config.json、command.txt、train.log。

第三方依赖

• Jittor：深度学习框架
• NumPy：数据读取与数值计算