דף זה תורגם על ידי Cloud Translation API.
Switch to English

תוסף רשת

סקירה כללית

רשתות וענני נקודות הם סוגים חשובים ועוצמתיים של נתונים המייצגים צורות תלת מימד ונחקרים רבות בתחום ראיית המחשב וגרפיקה ממוחשבת. נתוני תלת-ממד הופכים לכל מקום יותר וחוקרים מאתגרים בעיות חדשות כמו שחזור גיאומטריה תלת-ממדית מנתוני דו-ממדי, פילוח סמנטי של ענני נקודה תלת-ממדית, יישור או שינוי של אובייקטים תלת-ממדיים וכן הלאה. לכן, הדמיית תוצאות, במיוחד בשלב האימון, היא קריטית בכדי להבין טוב יותר את ביצועי המודל.

תוסף רשת ב- TensorBoard {width = "100%"}

תוסף זה מתכוון להציג ענני נקודה תלת מימדיים או רשתות (ענני נקודה משולשים) ב- TensorBoard. בנוסף, הוא מאפשר למשתמש לתקשר עם האובייקטים שניתנו.

API סיכום

רשת או ענן נקודה יכולים להיות מיוצגים על ידי קבוצה של טנזורים. לדוגמה, ניתן לראות ענן נקודת כמערכת של 3D קואורדינטות של נקודות וכמה צבעים הקשורים לכל נקודה.

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)

טנזור colors הערה הוא אופציונלי במקרה זה, אך יכול להיות שימושי להצגת סמנטיקה שונה של הנקודות.

התוסף תומך כרגע רק ברשתות משולשות אשר שונות מענני נקודה מעל רק על ידי נוכחות של פנים - קבוצה של קודקודים המייצגים את המשולש ברשת.

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)

רק טנזור colors הוא אופציונלי לסיכומי רשת.

תצורת סצנה

אופן הצגת האובייקטים תלוי גם בתצורת הסצנה, כלומר עוצמת וצבע מקורות האור, חומר האובייקטים, דגמי המצלמה וכן הלאה. ניתן להגדיר את כל אלה באמצעות פרמטר נוסף config_dict . מילון זה עשוי להכיל שלושה מקשים ברמה גבוהה: camera , lights material . כל מפתח חייב להיות גם מילון עם מפתח חובה cls , המייצג תקף Three.js שם המחלקה.

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

camera_config מן הקוד שלעיל ניתן להרחיב על פי התיעוד Three.js . כל המקשים מ- camera_config יועברו לכיתה עם שם camera_config.cls . לדוגמא (בהתבסס על תיעוד PerspectiveCamera ):

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

שימו לב שתצורת הסצנה אינה משתנה הניתן לאימון (כלומר סטטי) ויש לספק אותו רק במהלך יצירת הסיכומים.

איך להתקין

נכון לעכשיו התוסף הוא חלק מבניית הלילה של TensorBoard, לכן עליך להתקין אותו לפני שתשתמש בתוסף.

קולאב

pip install -q -U tb-nightly

לאחר מכן טען את סיומת Tensorboard והפעל אותה, בדומה לאופן היית עושה זאת במסוף:

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

אנא עיין במחברת Colab לדוגמא לפרטים נוספים.

מָסוֹף

אם אתה רוצה להריץ את TensorBoard לבנות באופן מקומי, ראשית עליך להתקין אותו:

pip install tf-nightly

ואז פשוט להפעיל אותו:

tensorboard --logdir path/to/logs