在tensorflow2.0环境下使用RandLA-Net训练Semantic3D数据集

最近在做点云语义分割,RandLA-Net是比较新的针对大规模点云的语义分割网络,之前一直使用的是torch版本的代码在训练自己的数据集,训练结果一直很差,同时我在Semantic3D数据集上训练的效果也很差,有几类精度始终为0,最终平均iou只有20%多,这和作者论文中给出的实验结果相差很大。

为了验证是否是我使用的pytorch工程代码的问题,我打算在作者自己提供的代码上测试一下Semantic3D数据集,RandLA-Net作者在github上发布的是tensorflow版本的代码,而且是tensorflow1.11,我之前训练模型一直都是torch,cuda安装的是10.2,而1.0版本的tensorflow在cuda10.2的环境下无法使用gpu(网上有人成功过,但我始终没有成功,然后我又不太想降低我的cuda版本,因为我的torch用的版本也比较高),就尝试着在2.0环境下训练1.0版本的代码。下面是训练过程记录。

修改方法

由于作者没有用到比较复杂的方法,所以要在tensorflow2.0环境下训练tensorflow1.0的代码只需要在导入tensorflow时做下修改即可,将工程中使用到的

import tensorflow as tf

替换为

impo

你可能感兴趣的:(深度学习,点云,点云语义分割,RandLANet,tensorflow)