Points2Surf 项目使用教程
2024-09-26 06:13:47作者:霍妲思
1. 项目的目录结构及介绍
points2surf/
├── datasets/
│ ├── download_datasets_abc.py
│ ├── download_datasets_famous.py
│ ├── download_datasets_thingi10k.py
│ ├── download_datasets_real_world.py
│ └── ...
├── experiments/
│ ├── eval_p2s_vanilla.sh
│ ├── eval_p2s_small_radius.sh
│ ├── eval_p2s_medium_radius.sh
│ ├── eval_p2s_large_radius.sh
│ └── ...
├── images/
├── models/
│ ├── download_models_vanilla.py
│ ├── download_models_ablation.py
│ ├── download_models_max.py
│ └── ...
├── source/
├── .gitignore
├── LICENSE
├── README.md
├── blensor_script_template.py
├── dataset_for_deepsdf.py
├── eval_dataset.py
├── full_eval.py
├── full_run.py
├── full_train.py
├── hole_filling_mesh_simp.mlx
├── make_dataset.py
├── make_pc_dataset.py
├── normals_poisson.mlx
├── p2s.yml
├── poisson.mlx
├── requirements.txt
└── start_tensorboard.sh
目录结构介绍
- datasets/: 包含下载和处理数据集的脚本。
- experiments/: 包含评估和训练模型的脚本。
- images/: 存放项目相关的图片文件。
- models/: 包含下载预训练模型的脚本。
- source/: 存放项目的源代码。
- .gitignore: Git 忽略文件配置。
- LICENSE: 项目许可证文件。
- README.md: 项目介绍和使用说明。
- blensor_script_template.py: BlenSor 脚本模板。
- dataset_for_deepsdf.py: 为 DeepSDF 生成数据集的脚本。
- eval_dataset.py: 评估数据集的脚本。
- full_eval.py: 完整评估脚本。
- full_run.py: 完整运行脚本。
- full_train.py: 完整训练脚本。
- hole_filling_mesh_simp.mlx: 网格简化脚本。
- make_dataset.py: 生成数据集的脚本。
- make_pc_dataset.py: 生成点云数据集的脚本。
- normals_poisson.mlx: 计算法线的脚本。
- p2s.yml: 项目配置文件。
- poisson.mlx: Poisson 重建脚本。
- requirements.txt: 项目依赖包列表。
- start_tensorboard.sh: 启动 TensorBoard 的脚本。
2. 项目的启动文件介绍
启动文件
- full_run.py: 这是项目的核心启动文件,用于训练和评估模型。通过运行此脚本,可以执行完整的训练和评估流程。
使用方法
python full_run.py
3. 项目的配置文件介绍
配置文件
- p2s.yml: 这是项目的主要配置文件,包含了项目的各种配置参数,如数据集路径、模型参数、训练参数等。
配置文件内容示例
# p2s.yml 配置文件示例
dataset:
path: "datasets/abc"
resolution: 256
epsilon: 5
training:
epochs: 150
batch_size: 32
evaluation:
grid_resolution: 256
num_scans_per_mesh_min: 5
num_scans_per_mesh_max: 30
配置文件说明
- dataset: 数据集相关配置,包括数据集路径、分辨率、误差范围等。
- training: 训练相关配置,包括训练轮数、批量大小等。
- evaluation: 评估相关配置,包括网格分辨率、扫描次数等。
通过修改 p2s.yml 文件中的参数,可以自定义项目的运行配置。
登录后查看全文
热门项目推荐
相关项目推荐
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
569
3.84 K
Ascend Extension for PyTorch
Python
379
453
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
893
676
暂无简介
Dart
802
199
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
350
203
昇腾LLM分布式训练框架
Python
118
147
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
12
1
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
68
20
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.37 K
781