หน้านี้ได้รับการแปลโดย Cloud Translation API
Switch to English

ปลั๊กอินตาข่าย

ภาพรวม

เมชและพอยต์คลาวด์เป็นประเภทข้อมูลที่สำคัญและมีประสิทธิภาพในการแสดงรูปทรง 3 มิติและได้รับการศึกษาอย่างกว้างขวางในด้านการมองเห็นคอมพิวเตอร์และคอมพิวเตอร์กราฟิก ข้อมูล 3 มิติเริ่มแพร่หลายมากขึ้นและนักวิจัยท้าทายปัญหาใหม่ ๆ เช่นการสร้างรูปทรงเรขาคณิต 3 มิติใหม่จากข้อมูล 2 มิติการแบ่งส่วนความหมายของคลาวด์จุด 3 มิติการจัดแนวหรือการปรับเปลี่ยนวัตถุ 3 มิติเป็นต้น ดังนั้นการแสดงผลลัพธ์โดยเฉพาะอย่างยิ่งในระหว่างขั้นตอนการฝึกอบรมจึงเป็นสิ่งสำคัญที่จะต้องทำความเข้าใจวิธีการทำงานของโมเดลให้ดีขึ้น

ปลั๊กอินตาข่ายใน TensorBoard {width = "100%"}

ปลั๊กอินนี้ตั้งใจที่จะแสดงพอยต์คลาวด์หรือตาข่าย 3 มิติ (คลาวด์จุดสามเหลี่ยม) ใน TensorBoard นอกจากนี้ยังอนุญาตให้ผู้ใช้โต้ตอบกับวัตถุที่แสดงผล

สรุป API

ทั้งตาข่ายหรือพอยต์คลาวด์สามารถแสดงด้วยชุดเทนเซอร์ ตัวอย่างเช่นเราสามารถเห็นพอยต์คลาวด์เป็นชุดพิกัด 3 มิติของจุดและสีบางส่วนที่เกี่ยวข้องกับแต่ละจุด

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)

หมายเหตุ colors เทนเซอร์เป็นทางเลือกในกรณีนี้ แต่มีประโยชน์ในการแสดงความหมายที่แตกต่างกันของจุดต่างๆ

ปัจจุบันปลั๊กอินรองรับเฉพาะตาข่ายสามเหลี่ยมซึ่งแตกต่างจากเมฆจุดด้านบนโดยการมีใบหน้าเท่านั้น - ชุดจุดยอดที่แสดงถึงสามเหลี่ยมบนตาข่าย

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)

เฉพาะเทนเซอร์ colors เท่านั้นที่เป็นทางเลือกสำหรับการสรุปแบบเมช

การกำหนดค่าฉาก

วิธีการแสดงวัตถุยังขึ้นอยู่กับการกำหนดค่าฉากเช่นความเข้มและสีของแหล่งกำเนิดแสงวัสดุของวัตถุรุ่นกล้องและอื่น ๆ ทั้งหมดนี้สามารถกำหนดค่าผ่าน config_dict พารามิเตอร์เพิ่มเติม พจนานุกรมนี้อาจประกอบด้วยปุ่มระดับสูงสามปุ่ม: camera lights และ material แต่ละคีย์ต้องเป็นพจนานุกรมที่มีคีย์ cls บังคับซึ่งแสดงถึงชื่อคลาส THREE.js ที่ ถูกต้อง

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

camera_config จากตัวอย่างข้อมูลด้านบนสามารถขยายได้ตาม เอกสาร THREE.js คีย์ทั้งหมดจาก camera_config จะถูกส่งต่อไปยังคลาสที่มีชื่อ camera_config.cls ตัวอย่างเช่น (ตาม เอกสาร PerspectiveCamera ):

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

โปรดทราบว่าการกำหนดค่าฉากไม่ใช่ตัวแปรที่ฝึกได้ (เช่นคงที่) และควรจัดเตรียมไว้ในระหว่างการสร้างบทสรุปเท่านั้น

ติดตั้งอย่างไร

ขณะนี้ปลั๊กอินเป็นส่วนหนึ่งของ TensorBoard ทุกคืนดังนั้นคุณต้องติดตั้งก่อนที่จะใช้ปลั๊กอิน

Colab

pip install -q -U tb-nightly

จากนั้นโหลดส่วนขยาย Tensorboard และเรียกใช้คล้ายกับที่คุณจะทำใน Terminal:

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

โปรดศึกษา ตัวอย่างสมุดบันทึก Colab สำหรับรายละเอียดเพิ่มเติม

เทอร์มินอล

หากคุณต้องการเรียกใช้ TensorBoard ทุกคืนที่สร้างในเครื่องก่อนอื่นคุณต้องติดตั้ง:

pip install tf-nightly

จากนั้นเรียกใช้:

tensorboard --logdir path/to/logs