Fast point transformer用于3D點雲的語義分割，
paper和github首頁
github連結
安裝cuda
首先要安裝cuda，github上指定的是11.1
cuda tookit連結
cuDNN連結
cuda安裝完以後記得在
~/.bashrc
中設定路徑
export PATH=/usr/local/cuda-11.1/bin${PATH:+:${PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda-11.1/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}
export CUDA_HOME=/usr/local/cuda-11.1
然後更新一下
source ~/.bashrc
安裝anaconda
這個就不用多說了，去anaconda官網下一個sh檔案
anaconda連結
建立fpt 環境
運作fast point transformer的conda環境是fpt
先把github上代碼clone下來，
但是注意，它的thirdparty/MinkowskiEngine給的是連結，clone下來檔案夾是空的，
要把MinkowskiEngine的github代碼也clone下來
修改conda路徑，在setup.sh的這一行
開始build啦
bash setup.sh fpt
這一步會安裝很多包，極有可能出現time out的情況。
build完成以後會出現這樣的界面。
（反正挺艱難的，很多time out，還有could not find cuda runtime之類）
準備資料集
可以用ScannetV2 和 S3DIS,
ScannetV2資料集有1.2T，是以選了S3DIS資料集。
把它下載下傳下來，檔案夾為Stanford3dDataset_v1.2
fast point transformer用的資料為ply格式，需要預處理，
在preprocess_scannet.py中修改input 和 output path。
處理完以後會得到s3dis_processed檔案夾
接下來要把src/data下面的meta_data copy出來，
建立一個s3dis的路徑，
把meta_data 和 s3dis_processed放到裡面去
s3dis的路徑要寫到./config/s3dis/train_default.gin
# Data module
S3DISArea5RGBDataModule.data_root = "/root/data/s3dis" # you need to modify this according to your data.
訓練
train.py運作以後會提示你要不要用wandb，如果選的用，
它會提示在wandb首頁上注冊一個賬号，然後複制一個key過來，
具體參考quick start首頁
要在train.py的開頭加上這樣兩句，不加的話wandb會報錯
import wandb
wandb.init(project="my-test-project")
然後就開始訓練啦
(fpt) ~/FastPointTransformer$ python train.py config/s3dis/train_fpt.gin
中間儲存的weight在experiments檔案夾裡，ckpt檔案
如果出現cuda run out of memory，可以把batch_size改小一點