PCT_jittor

Jittor 实现的 **Point Cloud Transformer (PCT)**，用于 ModelNet40 三维点云分类。

环境

• Python 3.11+（Linux GPU 推荐 3.12）
• Jittor 1.3.7.16
• NumPy 1.26.x

pip install -r requirements.txt          # Windows
pip install -r requirements_linux.txt  # Linux / GPU 服务器

数据

从课程平台下载预处理数据，放入 data/：

data/
  train_points.npy
  train_labels.npy
  test_points.npy

训练

默认：1024 点、batch 16、SGD + warmup 余弦退火、8% 验证集早停（patience 45）、标签平滑 0.05、梯度裁剪、TTA=8。

python pct.py --data_dir ./data --use_cuda 1

参数	默认	说明
--epochs	250	最大训练轮数
--batch_size	16	批大小
--lr	0.005	初始学习率
--val_ratio	0.08	验证集比例
--patience	45	早停耐心值
--label_smooth	0.05	标签平滑
--tta	8	测试时 Y 轴旋转集成
--fast	关	512 点快速调试

Linux GPU：

bash scripts/train_gpu.sh       # 标准训练
bash scripts/train_gpu.sh fast  # 快速试跑

推理

python pct.py --predict_only --model_path pct_model.pkl --tta 8 --data_dir ./data

文件说明

文件	说明
pct.py	训练与推理入口
result.json	测试集预测（2468 条）
pct_model.pkl	训练得到的权重（需本地训练，未上传）

方法

• 数据增强：多轴旋转、平移、缩放、高斯噪声、随机点丢弃、镜像；单位球归一化。
• 优化：SGD（Nesterov）、余弦退火、标签平滑、梯度裁剪；按验证集准确率保存最优模型。
• 测试：可选多视角 Y 轴旋转，对 logits 取平均。