RTX3070下配置IA-SSD环境

---

前言

本人小白一个，叙述过程中有不对的地方请加以指正，前一段时间偶然配置在好IA-SSD运行环境。一来为了复盘，二为了以后自己有个参考，在此从头重新配置一次。
最终环境cuda11.1 pytorch 1.8.1 spconv2.x

---

一、电脑硬件以及环境配置

硬件：显卡RTX3070
软件环境：cuda11.1以及anconda
注：1 虽然在虚拟环境中安装pytorch的时候会安装cuda相关选项，不过据本人观察还是会依靠大环境的cuda的相关软件，建议提前安装上cuda 。
2 cmake版本不要太旧，记得提前升级好

二、大环境参考资料

为了避免本人重复造轮子，本人这里给出相关链接

1.cuda

注意：保持显卡算力，显卡驱动，cuda版本兼容
首先驱动上显示的cuda版本号是自己目前的驱动可以兼容的最高cuda,其次显卡限制了cuda最低版本（当然也限制最高版本），如果cuda版本太低，也是不行的。
总结：显卡驱动和显卡限制了cuda的最高版本，显卡限制了cuda的最低版本(显卡驱动应该也限制最低吧，没做实验，不敢瞎说)
比如:硬件RTX3070
安装好驱动，输入nvidia-smi 出现
NVDIA-SMI 530.41.03 Driver Version: 530.41.03 CUDA Version: 12.1
则我的cuda最高12.1 ，本人安装的是cuda11.1，也曾尝试安装cuda10.2，这是不兼容的
教程：请百度

2. anconda

安装conda
conda常用指令
本人是安照这个教程安装的

三、 配置IA-SSD开发环境

1.建立conda环境

conda create --name dxpIA-SSD python=3.8

conda activate dxpIA-SSD

2.配置 pytorch

pip install torch==1.8.1+cu111 torchvision==0.9.1+cu111 torchaudio==0.8.1 -f https://download.pytorch.org/whl/torch_stable.html

安装完毕后，验证是否成功

python
import torch
torch.cuda.is_available()

返回true，说明安装成功
按键ctrl+z 返回，继续安装spconv

3. 安装spconv

spconv官网

pip install spconv-cu111

验证

python
import spconv

没有输出则安装完毕

4 下载 IA-SSD 源码

git clone https://github.com/yifanzhang713/IA-SSD.git && cd IA-SSD

pip install -r requirements.txt

pip install tensorflow

安装完毕后，依旧报错 直接运行下句（这里是tensonrflow 直接跳过应该问题不大）

python setup.py develop

有点小错误，安装numpy 1.24.3

pip install numpy==1.24.3

安装open3d

pip install open3d
pip install mayavi

运行 demo.py
我的版本还要安装
pip install kornia==0.5.10
（本教程适用于OpenPCDet）
3D框的插件
sudo apt-get install ros-melodic-jsk-recognition-msgs
sudo apt-get install ros-melodic-jsk-rviz-plugins

import argparse
import glob
from pathlib import Path

try:
    import open3d
    from visual_utils import open3d_vis_utils as V
    OPEN3D_FLAG = True
except:
    import mayavi.mlab as mlab
    from visual_utils import visualize_utils as V
    OPEN3D_FLAG = False

import numpy as np
import torch

from pcdet.config import cfg, cfg_from_yaml_file
from pcdet.datasets import DatasetTemplate
from pcdet.models import build_network, load_data_to_gpu
from pcdet.utils import common_utils


class DemoDataset(DatasetTemplate):
    def __init__(self, dataset_cfg, class_names, training=True, root_path=None, logger=None, ext='.bin'):
        """
        Args:
            root_path:
            dataset_cfg:
            class_names:
            training:
            logger:
        """
        super().__init__(
            dataset_cfg=dataset_cfg, class_names=class_names, training=training, root_path=root_path, logger=logger
        )
        self.root_path = root_path
        self.ext = ext
        data_file_list = glob.glob(str(root_path / f'*{self.ext}')) if self.root_path.is_dir() else [self.root_path]

        data_file_list.sort()
        self.sample_file_list = data_file_list

    def __len__(self):
        return len(self.sample_file_list)

    def __getitem__(self, index):
        if self.ext == '.bin':
            points = np.fromfile('/home/dxp/dxp/IA-SSD/data/kitti/training/velodyne/007303.bin', dtype=np.float32).reshape(-1, 4)
        elif self.ext == '.npy':
            points = np.load(self.sample_file_list[index])
        else:
            raise NotImplementedError

        input_dict = {
            'points': points,
            'frame_id': index,
        }

        data_dict = self.prepare_data(data_dict=input_dict)
        return data_dict


def parse_config():
    parser = argparse.ArgumentParser(description='arg parser')
    parser.add_argument('--cfg_file', type=str, default='cfgs/kitti_models/second.yaml',
                        help='specify the config for demo')
    parser.add_argument('--data_path', type=str, default='demo_data',
                        help='specify the point cloud data file or directory')
    parser.add_argument('--ckpt', type=str, default=None, help='specify the pretrained model')
    parser.add_argument('--ext', type=str, default='.bin', help='specify the extension of your point cloud data file')

    args = parser.parse_args()

    cfg_from_yaml_file(args.cfg_file, cfg)

    return args, cfg


def main():
    args, cfg = parse_config()
    logger = common_utils.create_logger()
    logger.info('-----------------Quick Demo of OpenPCDet-------------------------')
    demo_dataset = DemoDataset(
        dataset_cfg=cfg.DATA_CONFIG, class_names=cfg.CLASS_NAMES, training=False,
        root_path=Path(args.data_path), ext=args.ext, logger=logger
    )
    logger.info(f'Total number of samples: \t{len(demo_dataset)}')

    model = build_network(model_cfg=cfg.MODEL, num_class=len(cfg.CLASS_NAMES), dataset=demo_dataset)
    model.load_params_from_file(filename='IA-SSD.pth', logger=logger, to_cpu=True)
    model.cuda()
    model.eval()
    with torch.no_grad():
        for idx, data_dict in enumerate(demo_dataset):
            logger.info(f'Visualized sample index: \t{idx + 1}')
            data_dict = demo_dataset.collate_batch([data_dict])
            load_data_to_gpu(data_dict)
            pred_dicts, _ = model.forward(data_dict)

            V.draw_scenes(
                points=data_dict['points'][:, 1:], ref_boxes=pred_dicts[0]['pred_boxes'],
                ref_scores=pred_dicts[0]['pred_scores'], ref_labels=pred_dicts[0]['pred_labels']
            )

            if not OPEN3D_FLAG:
                mlab.show(stop=True)

    logger.info('Demo done.')


if __name__ == '__main__':
    main()

经过自己修改完的以后直接输入

python demo.py

相比原来修改了这里
points = np.fromfile(‘/home/dxp/dxp/IA-SSD/data/kitti/training/velodyne/007303.bin’, dtype=np.float32).reshape(-1, 4)
这里加载数据
model.load_params_from_file(filename=‘IA-SSD.pth’, logger=logger, to_cpu=True)
//这里是模型