标签：ME False MinkowskiEngine 基准 channels 测试 32 dilation

MinkowskiEngine基准测试

介绍卷积层和小型U网络的前馈和后馈通过时间。可以将具有相同张量步幅，步幅和内核偏移的内核映射重新用于其他层，可以在大型nueral网络中使用的所有层上，分摊此页面中实验报告的时间。

使用Titan X进行实验。

实验设置

对于单卷积层实验，使用以下设置。

import MinkowskiEngine as ME

 

conv = ME.MinkowskiConvolution(

    in_channels=3,

    out_channels=32,

    kernel_size=7,

    stride=1,

    dilation=1,

    has_bias=False,

    dimension=3)

使用体素大小为5cm的ScanNet测试仪进行实验。由于SparseConvNet和MinkowskiEngine使用不同的体素化算法，因此每个引擎处理的点数也有所不同。平均而言，在100个ScanNet测试室中，SparseConvNet产生25757.01点，而MinkowskiEngine产生26097.58点。

单卷积层

测试具有不同内核大小的同一个卷积层。报告每种算法处理SparseConvNet的平均时间（以秒为单位），平均为25757.011点，而MinkowskiEngine的平均时间为26097.58。

 

 

 简单的UNet

net = nn.Sequential(

    ME.MinkowskiConvolution(

        in_channels=3,

        out_channels=32,

        kernel_size=5,

        stride=1,

        dilation=1,

        has_bias=False,

        dimension=3),

    ME.MinkowskiConvolution(

        in_channels=32,

        out_channels=32,

        kernel_size=2,

        stride=2,

        dilation=1,

        has_bias=False,

        dimension=3),

    ME.MinkowskiConvolutionTranspose

        in_channels=32,

        out_channels=32,

        kernel_size=2,

        stride=2,

        dilation=1,

        has_bias=False,

        dimension=3))

对于本实验，仅更改第一卷积层的内核大小。

 

 

标签：ME,False,MinkowskiEngine,基准,channels,测试,32,dilation
来源： https://www.cnblogs.com/wujianming-110117/p/14227727.html

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。