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

תוסף רשת

סקירה כללית

ענן רשתות ונקודות הם סוגים חשובים וחזקים של נתונים המייצגים צורות תלת מימדיות ונחקרים באופן נרחב בתחום ראיית מחשב וגרפיקה ממוחשבת. נתוני תלת מימד נעשים יותר ויותר נפוצים וחוקרים מאתגרים בעיות חדשות כמו שחזור גיאומטריה תלת-ממדית מנתוני 2D, פילוח סמנטי בענן בנקודות תלת מימד, יישור או שינוי של אובייקטים תלת-ממדיים וכן הלאה. לכן, חזותי תוצאות, במיוחד בשלב האימונים, הוא קריטי כדי להבין טוב יותר את ביצועיו של הדגם.

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

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

ממשק API לסיכום

רשת או ענן נקודה יכולים להיות מיוצגים על ידי קבוצה של טנורים. לדוגמה, ניתן לראות בענן נקודות כמערך של קואורדינטות תלת מימדיות של הנקודות 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)
 

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

התוסף תומך כרגע רק ברשת משולשת השונה מענני נקודה שמעל רק על ידי נוכחות של פרצופים - סט קודקודים המייצג את המשולש על גבי הרשת.

 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 טנסור colors הוא אופציונלי לסיכומי רשת.

תצורת סצינה

הדרך שבה יוצגו האובייקטים תלויה גם בתצורת הסצנה, כלומר בעוצמתם ובצבעם של מקורות האור, חומר האובייקטים, דגמי המצלמה וכן הלאה. את כל זה ניתן להגדיר באמצעות פרמטר נוסף config_dict . מילון זה עשוי להכיל שלושה מקשים ברמה גבוהה: camera , lights material . כל מפתח צריך להיות גם מילון הכולל cls מקשים חובה, המייצג שם כיתה THREE.js תקף.

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

camera_config הקודם ניתן להרחיב בהתאם לתיעוד THREE.js . כל המקשים מ- camera_config יועברו לשיעור עם שם camera_config.cls . לדוגמה (בהתבסס על תיעוד PerspectiveCamera ):

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

זכור שתצורת הסצנה אינה משתנה שניתן להדרכה (כלומר סטטי) ויש לספק רק במהלך יצירת סיכומים.

איך להתקין

נכון לעכשיו התוסף הוא חלק מהבניין הלילי של TensorBoard, לכן עליכם להתקין אותו לפני השימוש בתוסף.

קולאב

pip install -q -U tb-nightly

ואז טען את התוסף Tensorboard והפעל אותו, בדומה לאופן בו תעשה את זה בטרמינל:

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

אנא עיין במחברת הקולאב לדוגמא לקבלת פרטים נוספים.

מָסוֹף

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

 pip install tf-nightly
 

ואז פשוט תריץ את זה:

 tensorboard --logdir path/to/logs