利用Python多處理庫處理3D數據詳解

類 Archive7z(基礎):
def __init__ ( self , file , password = None ):
# ...
自我。文件={}
# ...
對於信息的文件。文件：
#創建一個知道磁盤位置的ArchiveFile實例
file = ArchiveFile ( info , pos , src_pos , folder , self , maxsize = maxsize )
# ...
自我。文件。追加(文件)
# ...
自我。文件映射。更新(［(X。文件名，X)為X的自我。文件］)
#從files_map字典返回ArchiveFile的方法
def getmember ( self , name ):
if isinstance ( name , ( int , long )):
嘗試：
回歸自我。文件［名稱］
除 瞭 IndexError：
返回無
回歸自我。文件映射。獲取(名稱，無)
類 Archive7(基礎):
定義讀取(自我)：
# ...
對於水平，編碼器在枚舉(自我。_folder。編碼器)：
# ...
#獲取解碼器並解碼底層數據
data = getattr ( self , decoder ) ( coder , data , level , num_coders )
返回數據

類 Archive7z(基礎):
def __init__ ( self , file , password = None ):
# ...
自我。文件={}
# ...
對於信息的文件。文件：
#創建一個知道磁盤位置的ArchiveFile實例
file = ArchiveFile ( info , pos , src_pos , folder , self , maxsize = maxsize )
# ...
自我。文件。追加(文件)
# ...
自我。文件映射。更新(［(X。文件名，X)為X的自我。文件］)
#從files_map字典返回ArchiveFile的方法
def getmember ( self , name ):
if isinstance ( name , ( int , long )):
嘗試：
回歸自我。文件［名稱］
除 瞭 IndexError：
返回無
回歸自我。文件映射。獲取(名稱，無)
類 Archive7z(基礎):
定義讀取(自我)：
# ...
對於水平，編碼器在枚舉(自我。_folder。編碼器)：
# ...
#獲取解碼器並解碼底層數據
data = getattr ( self , decoder ) ( coder , data , level , num_coders )
返回數據

進口飾面
導入k3d
使用 open ( w. /data/meshes/stanford-bunny, obj")作為 f ： bunny_mesh =網眼。力口載(f , 'obj')
情節=k3d。情節()
網格= k3d。網格 (bunny_mesh . vertices> bunny_mesh . faces) 繪圖上網格
情節。顯示。

​進口飾面
導入k3d
使用 open ( w. /data/meshes/stanford-bunny, obj")作為 f ：
   bunny_mesh =網眼。力口載(f , 'obj')
情節=k3d。情節()
雲=k3d。點(bunny_mesh . vertices , point_size = 0. 0001 , shader = "flat")
情節+=雲
情節。顯示。
​

[加載網格：pool.map w/o manager] 4 個進程的池經過時間：37.213207403818764 秒
[加載網格：pool.imap_unordered w/o manager] 4 個進程的池經過時間：37.219303369522095 秒

將numpy導入為np
A numpy。隨機 導入 defaulting
def normalize_pc (點)：
   點額=點額-點額。平均值(軸=0)［無，：］
   分佈=np。linalg<>范數(點，軸=1) scaled_points =點 / dists中。最大值。 返回 scaled_points
def load_bunny_pc ( bunny_path ):
   標準差=lₑ-3
   使用 open ( bunny_path )作為 f ： bunny_mesh = load_mesh ( f )
   #標準化後雲
   scaled_bunny = normalize_pc ( bunny_mesh . vertices )
   #向點雲添加一些噪聲 rng = defaulting ()
   噪音=rng。正常(0. 0 , STD , scaled_bunny . shape ) 畸變兔子=縮放兔子+噪聲
    返回 di st ort ed_bunny

導入迭代工具
導入時間
將 numpy 導入為 np
  nwnpyo 隨機導入 default rng
面以1 口口如 進進從
A多處理導入池
de£ load_mesh ( obj_file )：
   目二 trimesh。力口載(obj_file , ' obj')
   返回網格
def get_max__dist ( basjmesh , point_cloud )：
   distance_sq , mesh_face__indexes , _ = igl。point_mesh_squared_distance (
       點雲，
       basjmesho 頂點,
       basjmesho 面孔
   )
   返回distancjsq。最大值0
def 1 oad_mesh__get_di stance ( args )：
   obj_file , point__cloud = args [ 0 ]/ args [ 1 ]
   網格二 load_mesh ( obj_file )
   網。頂點=RormaliNe_pc (網格。頂點)
   max_dist = get_max_dist (網格,點雲)
   返回 max__dist
de£ read_meshes__get__di stances_pool__imap ( archive_path , point_cloud , nwn_proc , nwn_i terations )：
   #在疝中進行向格“理
   elapsed__time =[]
   為一在 范圍(nujn-i terati ons )：
      歸檔二 MeshesArchive (ARCHIVE-PATH)
      池二池(nwn_proc )
      開始=時間。時間0
      導致=名單(tqdm(池。IMAP (
         1 o ad_m e sh__ge t_di s t anc e ,
         zip (存檔，itertoolso 重復(point_cloud))，
      )，總計=len辱檔)))
      池。關閉0
      池。加入o
      結束=時間。時間0
      elapsed time o追加(結束一開始)
   print ( F [Process meshes： pool, imap] {num_proc}個進程的池經過的時間：{np. array (elapsed_time). mean()} sec )
   對於 name , di st in zip ( archive . namesjist , result )： 打印(r{name} {dist}")
   返回結果
如果 _name_ ==
   bunny_path =  /data/meshes/stanford-bunny, obj"
   archive_path = /data/meshes. 7zff
   nwn_proc = 4
   num_iterations = 3
   point__cloud - load__bunny_pc ( bunny_path )
     read_meshes__get__di stances_pool_no_manager__imap ( archive_path ,point_cloud , nwn_proc , num.
iterations )