Open3D-ML

环境要求

• Python 环境（可运行 pip）
• Open3D v0.11+（通过 pip 安装的 open3d 已内置 Open3D-ML）
• PyTorch 2.0.* 或 TensorFlow 2.13.*（二选一，按所选框架安装）
• CUDA 10.1 或 11.*（仅 GNU/Linux x86_64 上可选，非必需）

安装与启动步骤

1. 1升级 pip

   先确保 pip 为最新版本，避免安装 open3d 时出现依赖解析问题。

   pip install --upgrade pip

   复制

2. 2安装 Open3D

   Open3D-ML 已集成在 Open3D v0.11+ 的 Python 发行包中，安装 open3d 即同时获得 Open3D-ML，无需单独安装。

   pip install open3d

   复制

3. 3获取依赖文件

   各框架的兼容版本 requirements 文件位于 Open3D-ML 仓库根目录，需先克隆仓库才能使用。

   git clone https://github.com/isl-org/Open3D-ML.git
   cd Open3D-ML

   复制

4. 4安装 PyTorch 依赖

   在仓库根目录执行，安装与 Open3D-ML 兼容的 PyTorch 版本。Linux 需要 GPU 时改用 cuda 版本文件。

   pip install -r requirements-torch.txt

   复制

5. 5安装 TensorFlow 依赖

   使用 TensorFlow 框架时执行；PyTorch 与 TensorFlow 按需二选一即可，无需都装。

   pip install -r requirements-tensorflow.txt

   复制

6. 6验证导入与配置

   导入 open3d.ml.torch 并加载仓库自带配置文件，能实例化模型即说明库与框架版本匹配。

   import open3d.ml as _ml3d
   import open3d.ml.torch as ml3d
   cfg_file = "ml3d/configs/randlanet_semantickitti.yml"
   cfg = _ml3d.utils.Config.load_from_file(cfg_file)
   model = ml3d.models.RandLANet(**cfg.model)
   print(model)

   复制

7. 7运行模型推理

   把 dataset_path 换成自己的数据集路径后，用预训练模型跑语义分割或 3D 物体检测推理，权重见 Model Zoo。

   import open3d.ml as _ml3d
   import open3d.ml.torch as ml3d
   
   cfg_file = "ml3d/configs/randlanet_semantickitti.yml"
   cfg = _ml3d.utils.Config.load_from_file(cfg_file)
   
   model = ml3d.models.RandLANet(**cfg.model)
   cfg.dataset['dataset_path'] = "/path/to/your/dataset"
   dataset = ml3d.datasets.SemanticKITTI(cfg.dataset.pop('dataset_path', None), **cfg.dataset)
   pipeline = ml3d.pipelines.SemanticSegmentation(model, dataset=dataset, device="gpu", **cfg.pipeline)

   复制

关键配置

如何确认成功

能成功 import open3d.ml.torch，并按配置文件实例化 RandLANet 等模型且不报版本错误，即表示安装成功。

常见问题

注意事项

• README 仅给出安装与推理片段，未提供完整的训练命令行，训练流程请参考仓库内 ml3d 目录及配置文件。
• requirements-torch.txt、requirements-tensorflow.txt、requirements-torch-cuda.txt、requirements-torch-xpu.txt 均在仓库根目录，按平台选择其一。
• macOS 上 TensorFlow 支持情况 README 未完全展开，建议优先选择 PyTorch 路线。
• 示例中的 dataset_path、device 等参数需按实际环境修改，不要直接照抄默认路径。