dasha_f
6e1a22ba8b
assets/conveyors (274 МБ) - ленты и угловая секция NVIDIA, на которые ссылается сцена относительным путём. Раньше исключались как перекачиваемые, но без них сцена не композится из коробки. cv/ - код стереодвижков, которые вызывает control_test, без весов: * defom-stereo - рабочий бейзлайн (DEFOM vitl, вход 480, iters 24) * crestereo - второй движок, точнее по габаритам (MAE 23.5 против 32.8 мм) * fast-foundationstereo - проверялся, в бейзлайн не вошёл * circular_section.py - показатель кругового сечения, перенесён в measure_plane.py: выравнивает облако по СОБСТВЕННЫМ главным осям и режет на пяти высотах вдоль каждой. Три самодельные версии (мировые оси, одно сечение) давали хуже; результаты проверки на эталонной геометрии - в circular_section_results.json Веса по-прежнему не в репозитории - источники в MODELS.md. Наборы кадров прежних прогонов (cv/flow_*, 1.26 ГБ) исключены: это выход, а не исходники. Co-Authored-By: Claude Opus 5 <noreply@anthropic.com>
47 lines
1.5 KiB
Python
47 lines
1.5 KiB
Python
import pickle
|
|
import numpy as np
|
|
import megengine as mge
|
|
|
|
import torch
|
|
import torch.nn.functional as F
|
|
|
|
def test_split():
|
|
# Getting back the megengine objects:
|
|
with open('test_data/split_test.pkl', 'rb') as f:
|
|
left_feature, size, axis, lefts = pickle.load(f)
|
|
|
|
left_feature = torch.tensor(left_feature.numpy())
|
|
|
|
# Test Pytorch
|
|
lefts_pytorch = torch.split(left_feature, left_feature.shape[axis]//size, dim=axis)
|
|
|
|
for i, (left_pytorch, left) in enumerate(zip(lefts_pytorch, lefts)):
|
|
|
|
error = np.mean(left_pytorch.numpy()-left.numpy())
|
|
print(f"test_split {i} - Avg. Error: {error}, \n \
|
|
Obtained shape: {left_pytorch.numpy().shape}, Expected shape: {left.numpy().shape}\n")
|
|
|
|
def test_split_list():
|
|
# Getting back the megengine objects:
|
|
with open('test_data/split_test_list.pkl', 'rb') as f:
|
|
fmap1, size, axis, net, inp = pickle.load(f)
|
|
|
|
fmap1 = torch.tensor(fmap1.numpy())
|
|
net = net.numpy()
|
|
inp = inp.numpy()
|
|
|
|
# Test Pytorch
|
|
net_pytorch, inp_pytorch = torch.split(fmap1, [size[0],size[0]], dim=axis)
|
|
|
|
error_net = np.mean(net_pytorch.numpy()-net)
|
|
error_inp = np.mean(inp_pytorch.numpy()-inp)
|
|
print(f"test_split_list (net) - Avg. Error: {error_net}, \n \
|
|
Obtained shape: {net_pytorch.numpy().shape}, Expected shape: {net.shape}\n")
|
|
print(f"test_split_list (inp) - Avg. Error: {error_inp}, \n \
|
|
Obtained shape: {inp_pytorch.numpy().shape}, Expected shape: {inp.shape}\n")
|
|
|
|
|
|
if __name__ == '__main__':
|
|
|
|
test_split()
|
|
test_split_list() |