This page was translated by the Cloud Translation API.
Switch to English

জাল প্লাগইন

সংক্ষিপ্ত বিবরণ

মেশা এবং পয়েন্ট ক্লাউড 3 ডি আকারের প্রতিনিধিত্ব করতে কম্পিউটারের দৃষ্টি এবং কম্পিউটার গ্রাফিক্সের ক্ষেত্রে ব্যাপকভাবে অধ্যয়ন করা গুরুত্বপূর্ণ এবং শক্তিশালী ধরণের ডেটা। থ্রিডি ডেটা আরও সর্বব্যাপী হয়ে উঠছে এবং গবেষকরা 2 ডি তথ্য থেকে 3 ডি জ্যামিতি পুনর্গঠন, 3 ডি পয়েন্ট ক্লাউড সিমেটিক সেগমেন্টেশন, 3 ডি অবজেক্টগুলি সারিবদ্ধকরণ বা মোর্ফিং ইত্যাদির মতো নতুন সমস্যার প্রতিদ্বন্দ্বিতা করছেন। অতএব, বিশেষত প্রশিক্ষণের পর্যায়ে ফলাফলগুলি দৃশ্যমান করা মডেলটি কীভাবে সম্পাদন করে তা আরও ভালভাবে বুঝতে গুরুত্বপূর্ণ।

টেনসরবোর্ডে জাল প্লাগিন {প্রস্থ = "100%"}

এই প্লাগইনটি টেনসরবোর্ডে 3 ডি পয়েন্ট ক্লাউড বা মেসগুলি (ত্রিভুজযুক্ত পয়েন্ট ক্লাউড) প্রদর্শন করতে চায়। এছাড়াও, এটি ব্যবহারকারীকে রেন্ডার করা অবজেক্টগুলির সাথে ইন্টারেক্ট করার অনুমতি দেয়।

সংক্ষিপ্ত API

হয় কোনও জাল বা পয়েন্ট ক্লাউড টেনারগুলির একটি সেট দ্বারা প্রতিনিধিত্ব করা যেতে পারে। উদাহরণস্বরূপ, পয়েন্টগুলির 3 ডি স্থানাঙ্কের সেট এবং প্রতিটি পয়েন্টের সাথে যুক্ত কিছু রঙের হিসাবে একটি পয়েন্ট ক্লাউড দেখতে পাবে।

 from tensorboard.plugins.mesh import summary as mesh_summary
...

point_cloud = tf.constant([[[0.19, 0.78, 0.02], ...]], shape=[1, 1064, 3])
point_colors = tf.constant([[[128, 104, 227], ...]], shape=[1, 1064, 3])

summary = mesh_summary.op('point_cloud', vertices=point_cloud, colors=point_colors)
 

নোট colors টেন্সর এক্ষেত্রে isচ্ছিক তবে পয়েন্টগুলির বিভিন্ন শব্দার্থবিজ্ঞান প্রদর্শন করতে কার্যকর হতে পারে।

প্লাগইন বর্তমানে কেবলমাত্র ত্রিভুজাকার জালগুলি সমর্থন করে যা কেবল মুখের উপস্থিতি দ্বারা উপরে পয়েন্ট মেঘের চেয়ে আলাদা - জালের উপরের ত্রিভুজটি উপস্থাপন করে উল্লম্ব সেট।

 mesh = tf.constant([[[0.19, 0.78, 0.02], ...]], shape=[1, 1064, 3])
colors = tf.constant([[[128, 104, 227], ...]], shape=[1, 1064, 3])
faces = tf.constant([[[13, 78, 54], ...]], shape=[1, 752, 3])

summary = mesh_summary.op('mesh', vertices=mesh, colors=colors, faces=faces)
 

কেবল colors টেন্সর জাল সংক্ষিপ্তসারগুলির জন্য isচ্ছিক।

দৃশ্য কনফিগারেশন

কীভাবে অবজেক্টগুলি প্রদর্শিত হবে তা দৃশ্য কনফিগারেশনের উপরও নির্ভর করে, যেমন আলোর উত্সগুলির তীব্রতা এবং রঙ, বস্তুর উপাদান, ক্যামেরা মডেল এবং আরও। config_dict অতিরিক্ত প্যারামিটার কনফিগার করা যেতে পারে config_dict । এই অভিধানটিতে তিনটি উচ্চ-স্তরের কী থাকতে পারে: camera , lights এবং material । প্রত্যেক কী এছাড়াও বাধ্যতামূলক কী দিয়ে একটি অভিধান হওয়া আবশ্যক cls , বৈধ প্রতিনিধিত্বমূলক Three.js বর্গ নাম।

 camera_config = {'cls': 'PerspectiveCamera'}
summary = mesh_summary.op(
    "mesh",
    vertices=mesh,
    colors=colors,
    faces=faces,
    config_dict={"camera": camera_config},
)
 

উপরের স্নিপেট থেকে camera_config THREE.js ডকুমেন্টেশন অনুযায়ী বাড়ানো যেতে পারে। camera_config থেকে সমস্ত কীগুলি camera_config সহ একটি শ্রেণিতে camera_config.cls । উদাহরণস্বরূপ ( PerspectiveCamera ডকুমেন্টেশনের ভিত্তিতে):

 camera_config = {
  'cls': 'PerspectiveCamera',
  'fov': 75,
  'aspect': 0.9,
}
...
 

মনে রাখবেন যে দৃশ্যের কনফিগারেশন কোনও প্রশিক্ষণযোগ্য পরিবর্তনশীল নয় (যেমন স্থির) এবং কেবল সংক্ষিপ্তসারগুলি তৈরি করার সময় সরবরাহ করা উচিত।

কিভাবে ইনস্টল করতে হবে

বর্তমানে প্লাগইনটি টেনসরবোর্ড নাইট বিল্ডের অংশ, সুতরাং আপনাকে প্লাগইন ব্যবহারের আগে এটি ইনস্টল করতে হবে।

Colab

pip install -q -U tb-nightly

তারপরে টেনসরবোর্ড এক্সটেনশন লোড করুন এবং এটি চালান, আপনি টার্মিনালে এটি কীভাবে করবেন:

 %load_ext tensorboard
%tensorboard --logdir=/path/to/logs
 

আরও তথ্যের জন্য দয়া করে উদাহরণস্বরূপ কলাব নোটবুকটি দেখুন।

প্রান্তিক

আপনি যদি স্থানীয়ভাবে রাতের বেলা টেনসরবোর্ড চালাতে চান তবে প্রথমে আপনাকে এটি ইনস্টল করতে হবে:

 pip install tf-nightly
 

তারপরে এটি চালান:

 tensorboard --logdir path/to/logs