इस पेज का अनुवाद Cloud Translation API से किया गया है.
Switch to English

मेष प्लगिन

अवलोकन

मेज़ और पॉइंट क्लाउड 3 डी आकृतियों का प्रतिनिधित्व करने के लिए महत्वपूर्ण और शक्तिशाली प्रकार के डेटा हैं और व्यापक रूप से कंप्यूटर विज़न और कंप्यूटर ग्राफिक्स के क्षेत्र में अध्ययन किए जाते हैं। 3 डी डेटा अधिक सर्वव्यापी होता जा रहा है और शोधकर्ता नई समस्याओं को चुनौती देते हैं जैसे 2 डी डेटा से 3 डी ज्यामिति पुनर्निर्माण, 3 डी बिंदु क्लाउड सिमेंटिक विभाजन, 3 डी ऑब्जेक्ट्स को संरेखित करना या मॉर्फ करना। इसलिए, विशेष रूप से प्रशिक्षण चरण के दौरान, परिणाम को देखते हुए, यह समझना बेहतर है कि मॉडल कैसे प्रदर्शन करता है।

TensorBoard में मेष प्लगइन {चौड़ाई = "100%"}

यह प्लगइन TensorBoard में 3D पॉइंट क्लाउड्स या मेज़ (triangulated पॉइंट क्लाउड) प्रदर्शित करने का इरादा रखता है। इसके अलावा, यह उपयोगकर्ता को प्रदान की गई वस्तुओं के साथ बातचीत करने की अनुमति देता है।

सारांश एपीआई

या तो एक जाल या एक बिंदु बादल को टेंसर्स के एक सेट द्वारा दर्शाया जा सकता है। उदाहरण के लिए, एक बिंदु बादल को बिंदुओं के 3 डी निर्देशांक और प्रत्येक बिंदु से जुड़े कुछ रंगों के रूप में देखा जा सकता है।

 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)
 

नोट colors टेंसर इस मामले में वैकल्पिक है, लेकिन अंक के विभिन्न शब्दार्थ दिखाने के लिए उपयोगी हो सकता है।

वर्तमान में प्लगिन केवल त्रिकोणीय मेषों का समर्थन करता है जो केवल चेहरे की उपस्थिति से ऊपर के बादलों से भिन्न होते हैं - मेष पर त्रिकोण का प्रतिनिधित्व करने वाले कोने का सेट।

 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)
 

मेष समरी के लिए केवल colors टेंसर वैकल्पिक है।

दृश्य विन्यास

वस्तुओं को कैसे प्रदर्शित किया जाएगा इसका तरीका दृश्य विन्यास, यानी प्रकाश स्रोतों की तीव्रता और रंग, वस्तुओं की सामग्री, कैमरा मॉडल और इसी तरह निर्भर करता है। वह सब एक अतिरिक्त पैरामीटर config_dict माध्यम से कॉन्फ़िगर किया जा सकता है। इस शब्दकोश में तीन उच्च-स्तरीय कुंजियाँ हो सकती हैं: camera , lights और material । प्रत्येक कुंजी भी अनिवार्य कुंजी के साथ एक शब्दकोश होना चाहिए cls , वैध प्रतिनिधित्व करने Three.js वर्ग के नाम।

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

camera_config ऊपर के स्निपेट से THREE.js प्रलेखन के अनुसार विस्तारित किया जा सकता है। camera_config से सभी कुंजियों को एक वर्ग के पास दिया जाएगा जिसका नाम camera_config.cls । उदाहरण के लिए ( PerspectiveCamera दस्तावेज के आधार पर):

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

मन जो दृश्य विन्यास एक ट्रेन चर (यानी स्थिर) नहीं है और केवल सारांश के निर्माण के दौरान प्रदान किया जाना चाहिए।

स्थापित कैसे करें

वर्तमान में प्लगइन TensorBoard का हिस्सा है जो रात में निर्माण होता है, इसलिए आपको प्लगइन का उपयोग करने से पहले इसे स्थापित करना होगा।

Colab

pip install -q -U tb-nightly

फिर Tensorboard एक्सटेंशन लोड करें और इसे चलाएं, टर्मिनल में आप इसे कैसे करेंगे:

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

अधिक जानकारी के लिए उदाहरण Colab नोटबुक से परामर्श करें।

टर्मिनल

यदि आप स्थानीय रूप से TensorBoard को रातों-रात चलाना चाहते हैं, तो सबसे पहले आपको इसे स्थापित करने की आवश्यकता है:

 pip install tf-nightly
 

तो बस इसे चलाने:

 tensorboard --logdir path/to/logs