Python 如何用TensorFlow分析三维网格数据（in.stl）
我试着用python编写一个脚本来分析一个.stl数据文件（3d几何体），说出哪个模型是凸的、凹的、不透水的，并告诉其他属性 我想使用和TensorFlow，scikit学习或其他机器学习库。用带有标记的对象示例创建一些数据库，以后再添加一些示例，只需重新训练模型即可获得更好的结果 但我的问题是：我不知道如何重新计算或重构在ML库中工作的3d数据。我不知道 感谢您的帮助。您必须首先从数据集中提取“功能”。这些是固定维向量。然后，您必须定义定义预测的标签。然后，你必须定义一个损失函数和一个神经网络。把这些放在一起，你就可以训练分类器了 在您的示例中，首先需要从对象中提取固定维度的向量。例如，可以提取对象并将其投影到x、y和z标注上的固定支撑上。这定义了特征 对于每个对象，您需要标记它是凸面还是凹面。您可以通过手动、分析或通过分析创建已知为凹面或凸面的对象来实现这一点。现在您有了一个包含大量样本对的数据集（对象是凹的） 对于损失函数，可以简单地使用负对数概率 最后，在底部有一些卷积层的前馈网络可能是个好主意Python 如何用TensorFlow分析三维网格数据（in.stl）,python,machine-learning,3d,tensorflow,scikit-learn,Python,Machine Learning,3d,Tensorflow,Scikit Learn,我试着用python编写一个脚本来分析一个.stl数据文件（3d几何体），说出哪个模型是凸的、凹的、不透水的，并告诉其他属性 我想使用和TensorFlow，scikit学习或其他机器学习库。用带有标记的对象示例创建一些数据库，以后再添加一些示例，只需重新训练模型即可获得更好的结果 但我的问题是：我不知道如何重新计算或重构在ML库中工作的3d数据。我不知道 感谢您的帮助。您必须首先从数据集中提取“功能”。这些是固定维向量。然后，您必须定义定义预测的标签。然后，你必须定义一个损失函数和一个神经网络