<<<<<<< HEAD

PCT_jittor

=======

PCT_jittor_ModelNet40

Jittor 框架下的 Point Cloud Transformer (PCT) 点云分类项目，面向 ModelNet40 任务，包含单模型训练脚本、ensemble 推理脚本、实验配置与中文实验报告。

项目简介

本项目整理自课程实验过程，目标是：

1. 提供一个清晰的 Jittor 版 PCT 点云分类实现
2. 保留主要实验脚本与配置，支持继续训练和复现实验
3. 给出当前最佳 ensemble 方案及其中文报告

当前仓库内记录的最佳方案为 pct_exp090_ens_only072，其评测平台分数为 0.9007。

目录结构

PCT_jittor_ModelNet40/
├── configs/     # ensemble 配置
├── data/        # 数据目录说明
├── docs/        # 实验报告与单模型报告
├── models/      # 模型权重放置目录
├── output/      # 推理结果输出目录
├── scripts/     # 运行脚本
├── src/         # 训练与推理源码
├── .gitignore
└── README.md

环境要求

• Python 3
• Jittor
• NumPy
• CUDA 可用 GPU

数据准备

将以下文件放到 data/ 目录下：

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

目录说明见：

• data/README.md

核心文件

训练脚本

• pct_exp016_best_seed2026.py
• pct_exp027_se_attention_pool.py
• pct_exp069_ratio_e176_f896_seed2026.py
• pct_exp072_seed3407_176_896_attention.py

推理脚本

• predict_exp046_multi_ensemble.py

最佳 ensemble 配置

• best_09007_ensemble.json

方法报告

• report_best_09007.md

最佳 ensemble 方案

当前推荐的 ensemble 由 4 个成员模型组成：

模型	权重
pct_exp027_se_attention_pool	0.34
pct_exp016_best_seed2026	0.30
pct_exp069_ratio_e176_f896_seed2026	0.26
pct_exp072_seed3407_176_896_attention	0.10

推理参数：

• n_points=1024
• votes=8
• tta=none
• seed=2026

这里的 tta=none 表示不额外做旋转类测试增强，但每个 vote 仍会随机采样 1024 个点，并对多次预测结果取平均。

使用方法

1. 运行最佳 ensemble 推理

bash scripts/run_best_inference.sh

该脚本等价于：

python3 src/predict_exp046_multi_ensemble.py \
  --data_dir data \
  --config configs/best_09007_ensemble.json \
  --output output/pct_exp0907_reproduced_result.json \
  --n_points 1024 \
  --batch_size 32 \
  --votes 8 \
  --tta none \
  --seed 2026

2. 打包提交文件

bash scripts/package_submission.sh output/pct_exp0907_reproduced_result.json

实验说明

本项目保留了最佳方案相关的核心实验信息：

• 基础强单模型
• SE + attention pooling 结构改进
• 参数比例调整后的 176/896 结构
• 同结构不同 seed 的 ensemble 互补性

从实验结论看，当前最有效的提升来源于：

1. 模型结构差异
2. 随机种子带来的模型差异
3. 多模型加权 ensemble

参考文档

• report_best_09007.md
• 各单模型报告位于 docs/ 目录

  main