Jittor ModelNet40 DGCNN 热身赛二方案

仓库名称：jittor-elmos-modelnet40-dgcnn

1. 项目简介

本项目用于计图（Jittor）人工智能挑战赛热身赛二：ModelNet40 点云分类。

深度学习框架：Jittor
模型：DGCNN
输入：每个样本 1024 个三维点，shape 为 (1024, 3)
输出：40 类分类结果
本地验证划分：按类别分层划分 90% 训练集、10% 验证集
随机种子：42
本地最佳验证准确率：93.91%
最佳轮次：254
线上成绩：11

本仓库不包含比赛原始数据、训练权重及中间训练产物。

2. 仓库结构

.
├── README.md
├── LICENSE
├── NOTICE
├── .gitignore
├── Dockerfile.gpu
├── requirements.txt
├── POINTCLOUDLIB_COMMIT.txt
├── configs/
│   └── dgcnn_1024_seed42.json
├── data/
│   └── README.md
├── results/
│   └── README.md
├── scripts/
│   ├── train_val.sh
│   └── predict.sh
└── src/
    └── dgcnn_competition.py

3. 环境安装

推荐环境：Windows 10/11、Docker Desktop、WSL2、NVIDIA GPU、Python 3.10、CUDA 11.8、Jittor 1.3.11.0。

构建镜像：

docker build -f Dockerfile.gpu -t jittor-modelnet40-dgcnn .

启动容器：

docker run -it --rm --gpus all `
  -v "${PWD}:/workspace/project" `
  -v jittor-cache:/root/.cache/jittor `
  -w /workspace/project `
  jittor-modelnet40-dgcnn bash

4. 第三方点云库准备

git clone https://github.com/Jittor/PointCloudLib.git
cd PointCloudLib
git checkout <POINTCLOUDLIB_COMMIT>
cd ..

提交号记录在 POINTCLOUDLIB_COMMIT.txt。

5. 数据准备

比赛数据不提交到本仓库。请将数据放置为：

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

预期 shape：

train_points.npy: (9843, 2048, 3)
train_labels.npy: (9843,)
test_points.npy:  (2468, 2048, 3)

6. 训练

bash scripts/train_val.sh

7. 评测与推理

bash scripts/predict.sh

程序生成 outputs/dgcnn1024_best_submit/result.zip，ZIP 内部仅包含 result.json。

8. 结果说明

本项目使用 overall accuracy：

accuracy = 正确分类样本数 / 全部样本数

模型	点数	本地最佳验证准确率	最佳轮次	线上成绩
DGCNN	1024	93.91%	254	待填写

本地验证集由训练数据按类别分层划分得到，因此与比赛隐藏测试集可能存在差异。

9. 可复现性

固定随机种子：--seed 42
关键超参数通过命令行传入
实际参数写入 training_summary.json
PointCloudLib 版本记录于 POINTCLOUDLIB_COMMIT.txt
缺少文件或路径错误时会明确报错

10. 第三方引用

Jittor: https://github.com/Jittor/jittor
Jittor PointCloudLib: https://github.com/Jittor/PointCloudLib
DGCNN reference: https://github.com/AnTao97/dgcnn.pytorch

详见 NOTICE。

11. 开源许可证

本仓库自编写部分采用 MIT License。第三方依赖遵循其各自许可证；本仓库不重新许可第三方代码。