SNAKE 项目使用教程

SNAKE 项目使用教程

1. 项目的目录结构及介绍

SNAKE 项目的目录结构如下：

SNAKE/
├── core/
│   ├── __init__.py
│   ├── model.py
│   └── utils.py
├── exp/
│   ├── KeypointNet/
│   │   ├── train0526/
│   │   │   ├── config.yaml
│   │   │   ├── train_single.sh
│   │   │   ├── train_multi.sh
│   │   │   └── test.sh
│   ├── SMPL/
│   ├── ModelNet40/
│   └── Redwood/
├── media/
│   ├── images/
│   └── videos/
├── tools/
│   ├── eval_iou.py
│   ├── eval_repeat.py
│   └── show_kpts.py
├── .gitignore
├── LICENSE
├── README.md
├── requirements_cu10.txt
├── requirements_cu11.txt
└── setup.py

目录结构介绍

• core/: 包含项目的主要代码，如模型定义 (model.py) 和工具函数 (utils.py)。
• exp/: 包含不同数据集的实验配置和训练脚本。每个数据集（如 KeypointNet, SMPL, ModelNet40, Redwood）都有自己的子目录，其中包含训练和测试脚本。
• media/: 用于存放项目相关的媒体文件，如图片和视频。
• tools/: 包含用于评估和可视化的工具脚本，如 eval_iou.py 和 show_kpts.py。
• .gitignore: Git 忽略文件列表。
• LICENSE: 项目的开源许可证文件。
• README.md: 项目的介绍和使用说明。
• requirements_cu10.txt 和 requirements_cu11.txt: 根据 CUDA 版本的不同，所需的 Python 依赖包列表。
• setup.py: 用于安装项目扩展模块的脚本。

2. 项目的启动文件介绍

SNAKE 项目的启动文件主要集中在 exp/ 目录下，每个数据集都有对应的启动脚本。以下是一些关键的启动文件：

exp/KeypointNet/train0526/train_single.sh

该脚本用于在单个 GPU 上训练 SNAKE 模型。使用方法如下：

sh exp/KeypointNet/train0526/train_single.sh

exp/KeypointNet/train0526/train_multi.sh

该脚本用于在多个 GPU 上训练 SNAKE 模型。使用方法如下：

sh exp/KeypointNet/train0526/train_multi.sh

exp/KeypointNet/train0526/test.sh

该脚本用于测试训练好的模型并提取关键点。使用方法如下：

sh exp/KeypointNet/train0526/test.sh

3. 项目的配置文件介绍

SNAKE 项目的配置文件主要集中在 exp/ 目录下，每个数据集都有对应的配置文件。以下是一些关键的配置文件：

exp/KeypointNet/train0526/config.yaml

该配置文件包含了训练 SNAKE 模型所需的各种参数，如数据路径、模型超参数、优化器参数等。以下是配置文件的部分内容示例：

data_path: "data/keypointnet_pcds"
model:
  name: "SNAKE"
  input_dim: 3
  output_dim: 3
  hidden_dim: 128
optimizer:
  name: "Adam"
  lr: 0.001
  weight_decay: 0.0001

requirements_cu10.txt 和 requirements_cu11.txt

这两个文件分别列出了在 CUDA 10 和 CUDA 11 环境下所需的 Python 依赖包。根据你的 CUDA 版本选择对应的文件进行安装：

pip install -r requirements_cu10.txt

或

pip install -r requirements_cu11.txt

通过以上配置文件和启动脚本，你可以轻松地训练和测试 SNAKE 模型。