PA3: 基于 Jittor 的点云 Transformer 分类任务

本项目实现了 Point Cloud Transformer (PCT) 模型，用于 ModelNet40 数据集的三维物体分类。

1. 环境安装

• Python 版本: 3.10+
• 深度学习框架: Jittor (计图) 1.3.10
• 依赖库: numpy, argparse
• 安装命令:

  pip install jittor numpy argparse

2. 数据准备

数据集应包含 train_points.npy, train_labels.npy, test_points.npy。 建议路径结构如下：

./CODE/
├── pct.py
├── train_points.npy
├── train_labels.npy
└── test_points.npy

3. 训练与复现

使用以下命令启动全流程（训练+推理）。代码中已统一设置随机种子以确保实验结果的可复现性。

python3 pct.py --batch_size 32 --epochs 200 --seed 42

4. 推理与结果说明

• 模型权重: 训练完成后，模型权重将自动保存为 pct_model.pkl。
• 预测结果: 测试集的预测分类结果将生成在 result.json 中。
• 性能指标: 本项目在 RTX 4070 环境下实测准确率 (Accuracy) 为 **88.74%**。
• 差异说明: 若运行环境不同（如 GPU 算力差异），最终准确率可能存在 ±0.5% 的合理波动。

5. 开源规范与声明

• 本项目遵循 MIT 开源许可证。
• 关键函数已包含必要的输入输出 Shape 注释。
• 路径处理采用 argparse 参数化配置，禁止硬编码本机路径。