train{
    folderprefix = ""
    input_path =  ../data/input_data/
    fileprefix_list = [
        00000050_0_50k,
        #broken_bullet_50k, # more input models can be added here
]
    d_in = 3 # 输入数据的维度。在3D点云数据中，通常为3（x、y、z坐标）
    plot_frequency = 5000 # 每5000次迭代绘制一次点云
    checkpoint_frequency = 5000
    status_frequency = 100
    weight_decay = 0
    learning_rate_schedule = [{
                                "Type" : "Step", # 学习率调度类型。"Step"表示在指定迭代次数后将学习率乘以因子
                                "Initial" : 0.005,
                                "Interval" : 2000,
                                "Factor" : 0.5
                                }]
    network_class = model.network.NHRepNet # 网络类型。NHRepNet是neural halfspace representation network的缩写
}

plot{
    resolution = 128 # 体素网格的分辨率。128表示体素网格的每个维度有128个单元格
    mc_value = 0.0 # 体素网格的体素值。0.0表示体素网格的体素值为0
    is_uniform_grid = True
    verbose = False
    save_html = False
    save_ply = True
    overwrite = True
}
network{
    inputs{
        dims_sdf = [256, 256, 256] # 体素网格的维度。[256, 256, 256]表示体素网格的每个维度有256个单元格
        skip_in = [] # 跳过输入的索引。[]表示不跳过任何输入
        geometric_init= True # 几何初始化。True表示使用几何初始化
        radius_init = 1 # 半径初始化。1表示半径初始化为1
        beta=100 # beta值。100表示beta值为100
    }
    sampler{
        sampler_type = NormalPerPoint # 采样器类型。NormalPerPoint表示每个点都使用正态分布采样
        properties{
            global_sigma = 1.8 # 全局sigma值。1.8表示全局sigma值为1.8
            local_sigma = 0.01 # 局部sigma值。0.01表示局部sigma值为0.01
            }
        }
    loss{
        lambda = 1 # 损失函数中的lambda值。1表示lambda值为1
        normals_lambda = 1 # 损失函数中的normals_lambda值。1表示normals_lambda值为1
    }
}