目录
2.1.2 Detected call of `lr_scheduler.step()` before `optimizer.step()`
0 前言
????????本机：RTX3070 cuda-11.0
????????python环境：pytorch-1.7.0，python=3.7
??????? 作者github:https://github.com/fxia22/pointnet.pytorch
??????? 作者论文：https://arxiv.org/abs/1612.00593
0.1 shapenet数据集
??????? 官网地址：ShapeNet，是斯坦福大学发布的
ShapeNet 由几个子集组成：
ShapeNetCore
ShapeNetCore 是完整 ShapeNet 数据集的子集，具有单个干净的 3D 模型和手动验证的类别和对齐注释。 它涵盖了 55 个常见的对象类别和大约 51,300 个独特的 3D 模型。 流行的计算机视觉 3D 基准数据集 PASCAL 3D+ 的 12 个对象类别都被 ShapeNetCore 覆盖。
ShapeNetSem
ShapeNetSem 是一个更小、注释更密集的子集，由 12,000 个模型组成，分布在更广泛的 270 个类别中。 除了手动验证的类别标签和一致的对齐方式之外，这些模型还标注了真实世界的尺寸、类别级别的材料成分估计以及总体积和重量的估计。
??????? 博文：https://blog.csdn.net/SGL_LGS/article/details/105897585 ，统计了改数据集里面部分数据的特性。
1 配置环境
1.1 配置Python环境与安装pytorch
??????? 我这里用的是yolov5环境：深度学习(三):yolov5环境配置及使用_biter0088的博客-CSDN博客
????????官网github在pytorch-1.0上测试过，我这里用的是1.7.0?
1.2 安装与下载数据
git clone https://github.com/fxia22/pointnet.pytorch
cd pointnet.pytorch
pip install -e .??????? 这里会安装一些python包
??????? 下面安装可视化工具
cd script
bash build.sh #build C++ code for visualization
???????? 下面是下载数据集：shapenetcore_partanno_segmentation_benchmark_v0
bash download.sh #download dataset
2? 默认训练
2.1 分类训练train_classification
2.1.1 直接训练
??????? 用1.2下载的数据
cd utils
python train_classification.py --dataset /home/meng/deeplearning/pointnet.pytorch/shapenetcore_partanno_segmentation_benchmark_v0/ --nepoch=5 --dataset_type shapenet
??????? 执行时终端打印如下：
??????? 会报错一个warning: Detected call of `lr_scheduler.step()` before `optimizer.step()`
/home/meng/anaconda3/envs/yolov5py37/lib/python3.7/site-packages/torch/optim/lr_scheduler.py:136: UserWarning: Detected call of `lr_scheduler.step()` before `optimizer.step()`. In PyTorch 1.1.0 and later, you should call them in the opposite order: `optimizer.step()` before `lr_scheduler.step()`. Failure to do this will result in PyTorch skipping the first value of the learning rate schedule. See more details at https://pytorch.org/docs/stable/optim.html#how-to-adjust-learning-rate
"https://pytorch.org/docs/stable/optim.html#how-to-adjust-learning-rate", UserWarning)
??????? 准确率为：0.9589
2.1.2 Detected call of `lr_scheduler.step()` before `optimizer.step()`
??????? 针对2.1出现的报警，修改train_classification.py文件，将scheduler.step()放在内部for循环的后面。（将上面的scheduler.step()注释掉，在一个epoch结束加上scheduler.step()）
??????? 再次训练，报警消失
???????? 最终准确率变为0.930758，降低了？
??????? 再训一次：0.94224
?
??????? 再训一次：
??????? 把上面对train_classification.py的修改改回去（有warning就有吧。。。）
??????? 再训一次：最终准确率为0.937，和前面一次差不多（要是这样的话，改不改作者代码都没关系）
2.1.3 训练得到的文件在：
2.2 分割训练train_segmentation.py
python train_segmentation.py --dataset /home/meng/deeplearning/pointnet.pytorch/shapenetcore_partanno_segmentation_benchmark_v0/ --nepoch=5 ??????? mIOU for class chair:0.828257
???????? 训练结果：
3 检测
3.1 show_seg.py展示分割效果
??????? 命令语句参考：Issues · fxia22/pointnet.pytorch · GitHub
??????? 结合show_seg.py文件：
python show_seg.py --model /home/meng/deeplearning/pointnet.pytorch/utils/seg/seg_model_Chair_4.pth --dataset /home/meng/deeplearning/pointnet.pytorch/shapenetcore_partanno_segmentation_benchmark_v0/ --class_choice 'Chair' --idx 1 ??????? 终端打印：
3.1.1 修改idx
??????? 修改idx，出来的模型略有不同，这是因为该class_choice在数据集内的模型有多个
python show_seg.py --model /home/meng/deeplearning/pointnet.pytorch/utils/seg/seg_model_Chair_4.pth --dataset /home/meng/deeplearning/pointnet.pytorch/shapenetcore_partanno_segmentation_benchmark_v0/ --class_choice 'Chair' --idx 1 ???????? idx=1
??????? idx=13
???????? 下面这图为idx=3时的，
?
????????idx=700
3.1.2 修改 --class_choice
??????? 修改为Airplane，运行下面的命令：
python show_seg.py --model /home/meng/deeplearning/pointnet.pytorch/utils/seg/seg_model_Chair_4.pth --dataset /home/meng/deeplearning/pointnet.pytorch/shapenetcore_partanno_segmentation_benchmark_v0/ --class_choice 'Ailplane' --idx 1
?
???????? 修改为Motorbike
?
3.2 show_clc.py展示分类效果
??????? 修改show_cls.py文件中关于数据集目录的部分，如下：
test_dataset = ShapeNetDataset(
root='../shapenetcore_partanno_segmentation_benchmark_v0',
# root='shapenetcore_partanno_segmentation_benchmark_v0',
split='test',
classification=True,
npoints=opt.num_points,
data_augmentation=False)??????? 参考：
??????? 运行程序，模型地址见2.1.3
python show_cls.py --model /home/meng/deeplearning/pointnet.pytorch/utils/cls/cls_model_4.pth --num_points 2500 ??????? 只在终端打印准确率accuracy信息，没有图像
