文件名称：matlab求导代码-Diff-FMAPs-PyTorch:Diff-FMAPs-PyTorch
文件大小：100.26MB
文件格式：ZIP
更新时间：2024-06-13 02:49:34
系统开源
matlab求导代码通过线性不变嵌入（PyTorch）进行对应学习 该存储库是的PyTorch实现。 这不是用于产生纸张结果的代码，可以找到。 进行此实现是为了使该方法的使用更加方便（并进行复制）。 要求 要安装要求： pip install -r requirements.txt 根据您的计算机设置，安装PyTorch可能需要执行临时步骤。 数据和预训练模型 您可以使用以下脚本下载数据和预先训练的模型： python .\data\download_data.py python .\models\pretrained\download_pretrained.py 训练 要训练基本模型和描述符模型，请运行以下命令： python .\code\train_basis.py python .\code\train_desc.py 评估 要在FAUST w \ noise上评估模型，请运行： python .\code\test_faust.py 在matlab中，脚本为： .\evaluation\evaluation.m 结果 这些是两个实现的结果： 型号名称 我们的 我们的+选择
【文件预览】：
Diff-FMAPs-PyTorch-main
----models()
--------pretrained()
----data()
--------12ktemplate.ply(93KB)
--------FAUST_noise_0.01.mat(92.96MB)
--------download_data.py(998B)
----code()
--------test_faust.py(1KB)
--------train_basis.py(4KB)
--------train_desc.py(4KB)
--------model.py(6KB)
--------dataload.py(3KB)
----requirements.txt(93B)
----evaluation()
--------calc_err_curve.m(230B)
--------evaluation.m(2KB)
--------compute_all_curves.m(119B)
----README.md(2KB)
----utils()
--------normDistMatr.m(131B)
--------evaluation.m(2KB)
--------fastmarchmex.mexw64(20KB)
--------compute_err.m(195B)
--------our_match_desc.m(379B)
--------calc_dist_matrix.m(504B)
--------N_out.mat(7.24MB)
--------our_match.m(272B)