MinkowskiEngine基準測試

MinkowskiEngine基準測試
介紹卷積層和小型U網路的前饋和後饋通過時間。可以將具有相同張量步幅，步幅和核心偏移的核心對映重新用於其他層，可以在大型nueral網路中使用的所有層上，分攤此頁面中實驗報告的時間。
使用Titan X進行實驗。
實驗設定
對於單卷積層實驗，使用以下設定。
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)
使用體素大小為5cm的ScanNet測試儀進行實驗。由於SparseConvNet和MinkowskiEngine使用不同的體素化演算法，因此每個引擎處理的點數也有所不同。平均而言，在100個ScanNet測試室中，SparseConvNet產生25757.01點，而MinkowskiEngine產生26097.58點。
單卷積層
測試具有不同核心大小的同一個卷積層。報告每種演算法處理SparseConvNet的平均時間（以秒為單位），平均為25757.011點，而MinkowskiEngine的平均時間為26097.58。

簡單的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))
對於本實驗，僅更改第一卷積層的核心大小。