使用Python读取STEP文件并将其作为神经网络的输入

Question

我正在尝试制作一个使用 STEP 文件作为输入的深度学习项目。但是，我不确定应该以哪种方式将文件内容提供给神经网络作为输入。现在，我正在创建一个将所有实体相互连接的图，对于邻接矩阵，我正在制作该图的单热编码向量表示，其中每一行对应一个实体。 例如，考虑 STEP 文件的这一部分：

#13 = PERSON_AND_ORGANIZATION ( #125, #159 ) ;
#14 = PRODUCT_RELATED_PRODUCT_CATEGORY ( 'detail', '', ( #117 ) ) ;
#15 = AXIS2_PLACEMENT_3D ( 'NONE', #99, #151, #27 ) ;
#16 =( NAMED_UNIT ( * ) PLANE_ANGLE_UNIT ( ) SI_UNIT ( $, .RADIAN. ) );
#17 = ORIENTED_EDGE ( 'NONE', *, *, #167, .F. ) ;
#18 = CARTESIAN_POINT ( 'NONE',  ( 0.0000000000000000000, 10.00000000000000000, 0.0000000000000000000 ) ) ;
#19 = DIRECTION ( 'NONE',  ( 0.0000000000000000000, 0.0000000000000000000, 1.000000000000000000 ) ) ;
#20 = EDGE_LOOP ( 'NONE', ( #57, #1 ) ) ;
#21 = APPROVAL_PERSON_ORGANIZATION ( #13, #121, #48 ) ;
#22 = ADVANCED_FACE ( 'NONE', ( #169 ), #119, .T. ) ;
#23 = COORDINATED_UNIVERSAL_TIME_OFFSET ( 5, 30, .AHEAD. ) ;
#24 = PERSON_AND_ORGANIZATION ( #125, #159 ) ;
#25 = CC_DESIGN_APPROVAL ( #121, ( #46 ) ) ;
#26 = CARTESIAN_POINT ( 'NONE',  ( 0.0000000000000000000, 0.0000000000000000000, 0.0000000000000000000 ) ) ;
#27 = DIRECTION ( 'NONE',  ( 0.0000000000000000000, 0.0000000000000000000, -1.000000000000000000 ) ) ;
#28 = CC_DESIGN_PERSON_AND_ORGANIZATION_ASSIGNMENT ( #62, #95, ( #107 ) ) ;
#29 = DIRECTION ( 'NONE',  ( 0.0000000000000000000, 0.0000000000000000000, 1.000000000000000000 ) ) ;
#30 = LINE ( 'NONE', #88, #42 ) ;
#31 = CC_DESIGN_APPROVAL ( #148, ( #77 ) ) ;
#32 = AXIS2_PLACEMENT_3D ( 'NONE', #26, #7, #168 ) ;
#33 = ORIENTED_EDGE ( 'NONE', *, *, #167, .T. ) ;
#34 = AXIS2_PLACEMENT_3D ( 'NONE', #18, #132, #152 ) ;

假设此文件总共包含 83 个实体（实体 - 数字后面的

#

），那么特定实体的邻接矩阵（例如 #27）将是一个向量，其中仅填充与实体

DIRECTION

对应的索引，并且其余的将为零。 然而，这使得邻接矩阵非常稀疏。 我想要一个比我当前使用的策略更少稀疏的表示。 您能否给我一些关于如何表示/矢量化步骤文件的其他想法？ 谢谢你。

Answer 1

你的进展如何？