NeuralGraph 项目使用教程

1. 项目目录结构及介绍

NeuralGraph 项目的目录结构如下：

NeuralGraph/
├── dataset/
├── external/
├── media/
├── multi_sdf/
├── nnutils/
├── node_sampler/
├── resources/
├── scripts/
├── utils/
├── .gitignore
├── LICENSE
├── README.md
├── build_external.sh
├── config.py
├── generate_data.sh
├── train_graph.py
├── train_graph.sh
├── train_shape.py
├── train_shape.sh
├── viz.py
└── viz.sh

目录介绍

• dataset/: 存放数据集的目录。
• external/: 存放外部依赖库的目录。
• media/: 存放媒体文件的目录。
• multi_sdf/: 多尺度距离场（Multi-Scale Distance Field）相关文件。
• nnutils/: 神经网络工具文件。
• node_sampler/: 节点采样器相关文件。
• resources/: 资源文件，如环境配置文件等。
• scripts/: 脚本文件，包含数据生成、训练、可视化等脚本。
• utils/: 工具函数文件。
• .gitignore: Git 忽略文件配置。
• LICENSE: 项目许可证文件。
• README.md: 项目说明文件。
• build_external.sh: 编译外部依赖的脚本。
• config.py: 项目配置文件。
• generate_data.sh: 生成数据集的脚本。
• train_graph.py: 训练图模型的 Python 文件。
• train_graph.sh: 训练图模型的脚本。
• train_shape.py: 训练形状模型的 Python 文件。
• train_shape.sh: 训练形状模型的脚本。
• viz.py: 可视化图模型的 Python 文件。
• viz.sh: 可视化图模型的脚本。

2. 项目启动文件介绍

启动文件

• train_graph.sh: 用于启动图模型的训练。
• train_shape.sh: 用于启动形状模型的训练。
• viz.sh: 用于启动图模型的可视化。

使用方法

1. 训练图模型:

   ./train_graph.sh
   

2. 训练形状模型:

   ./train_shape.sh
   

3. 可视化图模型:

   ./viz.sh
   

3. 项目配置文件介绍

配置文件

• config.py: 项目的配置文件，包含各种参数设置。

配置文件内容

config.py 文件中包含了许多用于训练和可视化的参数设置，例如数据路径、模型参数、优化器设置等。以下是一些关键配置项的示例：

# 数据路径配置
DATA_DIR = "path/to/your/data"

# 模型参数配置
MODEL_PARAMS = {
    "learning_rate": 0.001,
    "batch_size": 32,
    "num_epochs": 100,
}

# 优化器配置
OPTIMIZER_PARAMS = {
    "type": "adam",
    "beta1": 0.9,
    "beta2": 0.999,
}

使用方法

在启动训练或可视化脚本之前，可以根据需要修改 config.py 文件中的配置项，以适应不同的实验需求。

---

通过以上步骤，您可以顺利地启动和配置 NeuralGraph 项目，进行图模型和形状模型的训练与可视化。