pointnet++复现

首先修改代码中所有错误，与自己的python和tensorflow适配，导入该导入的包，其中provider和eulerangles和plyfile都在utils文件下或者pointnet-master的代码中
修改tf_ops中的文件：参考第一篇与第二篇
注意：报错

/usr/bin/ld: cannot find -ltensorflow_framework，collect2: error: ld returned 1 exit status。

应该是没有修改sh文件时未能找到/usr/…/ltensorflow_framework这个路径
解决方法：
我是用的云服务器，将sh文件中的-ltensorflow_framework修改为-l:libtensorflow_framework.so.1
有的人可能是要改成-libtensorflow_framework
然后运行

cd tf_ops/sampling
sh tf_sampling_compile.sh
cd tf_ops/grouping
sh tf_grouping_compile.sh
cd tf_ops/d_interpolation
sh tf_interpolate_compile.sh

进入环境

conda activate tf

训练

cd autodl-nas/pointnet2-master

CUDA_VISIBLE_DEVICES=0   python  train.py

报错

tensorflow.python.framework.errors_impl.NotFoundError: /root/autodl-nas/pointnet2-master/tf_ops/sampling/tf_sampling_so.so: undefined symbol: _ZN10tensorflow12OpDefBuilder4AttrESs

将sh文件中的-D_GLIBCXX_USE_CXX11_ABI=0改为1
再运行.sh文件

cd tf_ops/sampling
sh tf_sampling_compile.sh
cd tf_ops/grouping
sh tf_grouping_compile.sh
cd tf_ops/d_interpolation
sh tf_interpolate_compile.sh

训练结果可视化

tensorboard --logdir=log#这里要指定日志文件夹名字，因为默认似乎是logs，但是pointnet++分类训练生成的日志文件名为log

系统架构图

训练后验证结果

CUDA_VISIBLE_DEVICES=0 python evaluate.py --num_votes 12

可视化（此步骤无需gpu）

在utils文件下

sh compile_render_balls_so.sh
python show3d_balls.py

获得可视化结果