? ? ? 文章地址：https://chrischoy.github.io/publication/r2n2/
? ? ? 代碼地址：https://github.com/chrischoy/3d-r2n2/
? ? ? 整體代碼基于theano框架，github上有詳細(xì)的安裝過程，所有代碼均在virtualenv中實(shí)現(xiàn)肖爵，代碼對(duì)應(yīng)python版本應(yīng)在3.5及其以上
1咨演、該代碼的主程序使用demo為直接調(diào)用已有的模型參數(shù)，進(jìn)行demo的重建喧笔，
2、訓(xùn)練程序主要通過sh工程文件中的參數(shù)來運(yùn)行
3、solver來運(yùn)行程序
? ? ? 代碼主程序有demo.py和main.py兩個(gè)部分沈矿，其中demo.py是為了直接運(yùn)行已有權(quán)重，main.py則是加入了訓(xùn)練的部分咬腋。網(wǎng)絡(luò)結(jié)構(gòu)結(jié)構(gòu)放在model中羹膳，res_gru_net為論文主要模型。其余主要庫文件在lib文件夾下根竿。本代碼中的網(wǎng)絡(luò)結(jié)構(gòu)多數(shù)為自寫陵像，少量使用了theano部分代碼，主要使用函數(shù)為theano.function和theano.scan寇壳。
? ? ? ?lib文件夾下醒颖，config.py存放全局所有調(diào)用的參變量。lib中的layer編寫了每個(gè)層面的各個(gè)操作以及最優(yōu)化所用的方法壳炎。
? ? ? ?demo流程：1泞歉、記錄保存的文件名，2匿辩、load圖片 3腰耙、下載模型4、netclass 通過load——model調(diào)用铲球，load_model的返回值為兩個(gè)model的object挺庞，netclass為models中的ResidualGRUNet，5稼病、net調(diào)用ResidualGRUNet所繼承的net中的load函數(shù)选侨，通過函數(shù)enumerate（http://blog.csdn.net/churximi/article/details/51648388），讀取路徑文件的各個(gè)數(shù)據(jù)的索引 權(quán)重然走，按順序依次存放在net.params中援制，6、這時(shí)調(diào)用theano.function,以net.x=demo_imgs芍瑞，net.y=none為輸入晨仑，以net.output net.loss為輸出，其中函數(shù)調(diào)用為gru_net中的net.output和net.loss
? ? ? ?如何修改程序：
1、調(diào)用部分網(wǎng)絡(luò)參數(shù)部分依然可以沿用load函數(shù)寻歧，返回的是list掌栅，而在額外初始化的部分可以繼續(xù)append添加添加層的參數(shù)，
main流程：
1码泛、附加參數(shù)初始化猾封，
2、train_net()
3噪珊、train_net()中的main()
4晌缘、train_net()中的train_net()，讀取網(wǎng)絡(luò)類型參數(shù)值為cfg.CONST.NETWORK_CLASS痢站，通過函數(shù)make_data_processes讀取測(cè)試數(shù)據(jù)磷箕，調(diào)用solver中的train函數(shù)
