RongYi
RongYi
首先，感谢您的关注！ ### 1. 训练ShapeNet55时Nan 训练ShapeNet55时候我也碰到过几次Nan的情况，我猜测是seed generator使用了Upsample Transformer的原因 ([类似的问题](https://github.com/hrzhou2/seedformer/issues/5))。 可能的解决方案： 1.尝试多次训练，按照我的经验，Nan的情况一般发生在训练的早期(前30个epoch附近)。 2.将seed generator中的Upsample Transformer换成 [Deconvolution](https://github.com/AllenXiangX/SnowflakeNet) 或者 [MLP](https://github.com/yuxumin/PoinTr)。 ### 2. 使用PCN预训练权重无法复现论文结果 使用训练好的权重，我在我的环境(1080Ti, cuda 12.2, torch 1.10.1)随机测试了两次，结果如下： ``` Taxonomy #Sample ChamferDistance 02691156 150...
hello, 训练的一些设定还是沿用SeedFormer的，我们没有做什么调整。 请问，无法在PCN数据集上复现的问题您解决了吗？ 另外，我们更新了使用Deconvolution的seed generator，感兴趣的话，您可以尝试下。我认为最终精度差不多，训练也会稳定点。
Hello, 可以参考下这个issue解决Nan的问题，如果有效的话，SeedFormer遇到的问题应该也能解决： https://github.com/EasyRy/CRA-PCN/issues/5#issuecomment-1997685713
Close this issue since no more responses. If you have more problems, feel free to reopen it.
您好，感谢您的关注！ 我们提供了一个使用预训练好的模型推理本地点云的例子：[infer.py](https://github.com/EasyRy/CRA-PCN/blob/main/infer.py)。 如果您想训练自己的数据集，可以考虑将其转换成MVP的格式，然后通过修改[train_mvp.py](https://github.com/EasyRy/CRA-PCN/blob/main/train_mvp.py) 和 [test_mvp.py](https://github.com/EasyRy/CRA-PCN/blob/main/test_mvp.py)中的数据路径进行训练。
您的图片我看不到？是上传错了吗？ 我们的模型是在PCN数据集上训练的，所以在推理时，要使用和PCN数据集尺度差不多的点云，可以参考example_pc里的air.ply的大小。 点数的话，也不一定得是2048吧。
Close this issue since no more responses. If you have more problems, feel free to reopen it.
我们训练的时候每5轮存一个权重（不进行测试），然后在测试时逐个测试取最好的。 （很抱歉引起了误解
论文里的结果是在原来的code base上训的，原始权重我会再去找一下。另外，我也会尝试用现在的代码复现结果。工作日比较忙，会在假期搞一下，感谢理解。 您也可以测试下您训练的30-60轮之间的结果，最好的结果应该在这个范围内。
您好，五一快乐。 1. 是的。 2. 改变训练的总epoch会改变学习率，也许会影响最终结果；您不妨在60轮时直接停止训练。 3. ckpt-best.pth的得到需要进行测试，PCN数据集上的最好的权重就需要在训练的每一轮进行验证（也就是测试）；当然也可以直接使用最后一轮的权重做 ckpt-best.pth，但效果不一定好。 4. 对的。 5. 您可以将推理的结果用open3d保存成点云，然后用meshlab等进行可视化。 ps: 我们的模型在PCN和ShapeNet-55/34上训练时不会出现过拟合的问题，因此直接拿最后一轮训练的权重来测试结果大差不差。但是在MVP上我们的模型就会过拟合，测试时我们发现60轮左右结果最好。