BSP-NET PyTorch 项目启动与配置教程

1. 项目目录结构及介绍

BSP-NET PyTorch 项目目录结构如下：

BSP-NET-pytorch/
├── checkpoint/              # 存储训练好的模型权重
├── data/                    # 存储数据集
├── img/                     # 存储图像数据
├── LICENSE                  # 项目许可证文件
├── README.md                # 项目说明文件
├── bspt.pyx                 # Cython 实现的 BSP 树恢复模块
├── bspt_slow.py             # Python 实现的慢速 BSP 树恢复模块（用于调试）
├── main.py                  # 项目的主程序
├── modelAE.py               # 自编码器模型定义
├── modelSVR.py              # SVR 模型定义
├── setup.py                 # Cython 模块编译脚本
├── test_ae.sh               # 测试自编码器的脚本
├── test_svr.sh              # 测试 SVR 的脚本
├── train_ae.sh              # 训练自编码器的脚本
├── train_svr.sh             # 训练 SVR 的脚本
└── utils.py                 # 通用工具模块

• checkpoint/：此目录用于存放训练过程中保存的模型权重文件。
• data/：存放项目所需的数据集文件。
• img/：存储项目使用的图像数据。
• LICENSE：项目的开源许可证文件，本项目采用 MIT 许可证。
• README.md：项目的说明文档，介绍了项目的详细信息。
• bspt.pyx 和 bspt_slow.py：分别是用 Cython 和 Python 实现的 BSP 树恢复模块，后者速度较慢，但易于调试。
• main.py：项目的主程序文件，包含了模型的训练和测试逻辑。
• modelAE.py 和 modelSVR.py：定义了自编码器模型和 SVR 模型的结构和实现。
• setup.py：用于编译 Cython 模块的脚本。
• test_ae.sh 和 test_svr.sh：分别是用于测试自编码器和 SVR 模型的 shell 脚本。
• train_ae.sh 和 train_svr.sh：分别是用于训练自编码器和 SVR 模型的 shell 脚本。
• utils.py：提供了一些项目通用的工具函数。

2. 项目的启动文件介绍

项目的启动主要是通过 main.py 文件来实现的。该文件包含了模型的训练和测试的主要逻辑。以下是一个简单的启动示例：

# 训练自编码器模型
python main.py --ae --train --phase 0 --iteration 8000000 --sample_dir samples/all_vox256_img0_16 --sample_vox_size 16

该命令将开始训练自编码器模型，使用 --ae 参数指定模型类型，--train 参数指定训练模式，--phase 0 指定训练阶段，--iteration 8000000 指定迭代次数，--sample_dir 指定数据集目录，--sample_vox_size 指定体素大小。

3. 项目的配置文件介绍

本项目使用 Python 的命令行参数来配置训练和测试的选项。在 main.py 文件中，可以使用 flags 来定义和解析命令行参数。以下是一个配置参数的示例：

import flags
FLAGS = flags.FLAGS

# 定义命令行参数
FLAGS.DEFINE_string('sample_dir', '', '样本目录')
FLAGS.DEFINE_integer('sample_vox_size', 32, '体素大小')
FLAGS.DEFINE_integer('iteration', 8000000, '迭代次数')
FLAGS.DEFINE_string('phase', '0', '训练阶段')

在运行训练或测试脚本时，可以通过命令行传递这些参数来配置项目。例如：

python main.py --ae --train --phase 0 --iteration 8000000 --sample_dir samples/all_vox256_img0_16 --sample_vox_size 16

这样，用户可以通过命令行灵活地配置和启动项目。