Pointwise Convolutional Neural Networks 项目常见问题解决方案

Pointwise Convolutional Neural Networks 项目常见问题解决方案

pointwise Code for Pointwise Convolutional Neural Networks, CVPR 2018 项目地址: https://gitcode.com/gh_mirrors/po/pointwise

1. 项目基础介绍和主要编程语言

Pointwise Convolutional Neural Networks 是一个开源项目，它基于卷积神经网络（CNN）的点wise卷积操作，用于处理点云数据。该项目是 CVPR 2018 论文的代码实现，主要用于对象分类和场景分割任务。项目的主要编程语言是 Python，并且使用了 TensorFlow 深度学习框架。

2. 新手在使用这个项目时需要特别注意的3个问题和解决步骤

问题一：编译卷积操作符失败

问题描述： 在尝试编译 TensorFlow 的自定义卷积操作符时遇到问题。

解决步骤：

1. 确保你的系统中已经安装了 CUDA 9.2 和 TensorFlow 1.9。
2. 进入 tf_ops/conv3p/ 目录。
3. 运行 chmod 777 tf_conv3p_compile.sh 命令，确保编译脚本具有执行权限。
4. 执行 /tf_conv3p_compile.sh -a 命令编译动态库文件。
5. 如果使用的是 TensorFlow 1.4，可能需要使用 tf_conv3p_compile_tf14.sh 脚本进行编译。
6. 确保在编译时设置了 _GLIBCXX_USE_CXX11_ABI=0 以兼容早期版本的 GCC。

问题二：训练或评估时找不到模型文件

问题描述： 在执行训练或评估脚本时，系统提示无法找到模型文件。

解决步骤：

1. 确保在执行训练或评估脚本之前，已经完成了模型训练的一部分，并且模型文件已经保存。
2. 检查 param.json 文件中模型保存的路径是否正确。
3. 确保在执行命令时传入了正确的模型文件路径或epoch参数。

问题三：运行缓慢或性能不佳

问题描述： 项目运行缓慢或性能不如预期。

解决步骤：

1. 由于这是一个自定义的卷积操作符，可能没有优化到最佳性能。确保你使用的是性能较好的 GPU，如 NVIDIA GTX 1070、GTX 1080 或 Titan X。
2. 检查系统是否安装了最新的 CUDA 和 TensorFlow 版本。
3. 检查 param.json 文件中是否开启了 GPU 模式，确保 use_gpu 设置为 true。
4. 如果仍然存在性能问题，可以考虑使用更多的计算资源，或者优化项目中的代码和算法。

pointwise Code for Pointwise Convolutional Neural Networks, CVPR 2018 项目地址: https://gitcode.com/gh_mirrors/po/pointwise