Ubuntu18.04复现OpenPCDet过程(cuda11.3、pytorch1.10)

一、介绍安装环境

（一）安装ubuntu18.04系统

        推荐大家参考下面这篇文章，主要是针对单系统安装，保姆级别的教程，看完后肯定知道怎么做，双系统安装时候在下面选项中的引导项改为分配给Ubuntu的EFI分区即可（注意：选择正确以后再点击安装）

推荐参考文章：

史上最全Ubuntu18.04单系统安装教程_ubuntu18.04安装教程_威士忌燕麦拿铁的博客-CSDN博客1 下载Ubuntu iso镜像下面是Ubuntu 18.04.5LTS桌面版64位的链接，点击链接即可下载，文件大概有2G，所以下载可能需要花一些时间。http://releases.ubuntu.com/18.04.5/ubuntu-18.04.5-desktop-amd64.iso2 下载刻录软件并安装我们需要在Windows系统下面下载刻录软件并完成刻录，这里我用的是ultroiso。下载地址：https://cn.ultraiso.net/xiazai.html直接下载免费试用版本即可，https://blog.csdn.net/whatiscode/article/details/109153474

小编建议大家在安装系统的时候选择English，避免在以后搭建环境时候出现问题。

但是小编在系统分区时没有采用作者推荐的分区，用了另一种方式

其中 start就是 Begining of this space

 这是一种最简单的分区办法，也很实用。

（二）、安装搜狗输入法

        打开浏览器直接进入网址：

                https://shurufa.sogou.com/

        下载搜狗输入法安装包，一定要下载 .deb格式的文件，下载完成后会提示搜狗的安装过程，一步一步安装官网提供的教程即可完成安装。直接点击下边的链接也可直接进入安装指导。

搜狗输入法linux-安装指导搜狗输入法for linux—支持全拼、简拼、模糊音、云输入、皮肤、中英混输https://shurufa.sogou.com/linux/guide二、OpenPCDet复现过程：

        注意：数据集的布置建议采用小编后边给出的形式，作者的布置方式新手可能不会操作，建立软连接哪一步可以直接忽略，直接按照小编后续给出的布置方式直接布置数据集。

（一）配置环境各个软件版本

         Anaconda3

        cuda——11.3

        cudnn-11.3

        pytorch1.10.1

（二）安装过程

1、查看cuda和NVIDIA驱动的对应关系：CUDA 12.1 Release Notes

2、复现过程

        建议大家先按照 Anaconda ，创建虚拟环境然后进行接下来的环境安装。

创建虚拟环境：
conda create -n pcdet python=3.8
激活创建好的虚拟环境pcdet：
conda activate pcdet

        创建好虚拟环境以后可以避免在配置环境变量的时候安装vim，wegt等，可以直接使用命令。

vim编辑器有三种模式：
        命令模式、编辑模式、末行模式

模式间切换方法：
        （1）命令模式下，输入:后，进入末行模式
        （2）末行模式下，按esc慢退、按两次esc快退、或者删除所有命令，可以回到命令模式
        （3）命令模式下，按下i、a等键，可以计入编辑模式
        （4）编辑模式下，按下esc，可以回到命令模式

注意：vim中常用的保存/退出命令如下

命令	功能描述
:wq	保存并退出 Vim 编辑器
:wq!	保存并强制退出 Vim 编辑器
:q	不保存就退出 Vim 编辑器
:q!	不保存，且强制退出 Vim 编辑器
:w	保存但是不退出 Vim 编辑器
:w!	强制保存文本
:w filename	另存到 filename 文件
x！	保存文本，并退出 Vim 编辑器
ZZ	直接退出 Vim 编辑器

3、OpenPCDet复现过程参考

        https://xiaohu.blog.csdn.net/article/details/124515876https://xiaohu.blog.csdn.net/article/details/124515876

4、安装过程中如果有报错，参考下面的文章可以解决报错。

（1）其中安装cudnn-11.3时，安装过程中可能会报错，大家可以采用以下方法解决

        下载的包（要全部下载）：

        cudnn-11.3-linux-x64-v8.2.0.53.tgz

        cudnn runtime library for ubuntu18.04 x86_64(Deb)

        cudnn developer library for ubuntu18.04 x86_64(Deb)

        cudnn code samples and user guide  for ubuntu18.04 x86_64(Deb)

      依次执行一下命令：

tar -zxvf cudnn-11.3-linux-x64-v8.2.0.53.tgz

sudo cp cuda/include/cudnn.h /usr/local/cuda/include
sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64
sudo chmod a+r /usr/local/cuda/include/cudnn.h /usr/local/cuda/lib64/libcudnn*

sudo dpkg -i libcudnn8_8.2.0.53-1+cuda11.3_amd64.deb
sudo dpkg -i libcudnn8-dev_8.2.0.53-1+cuda11.3_amd64.deb
sudo dpkg -i libcudnn8-samples_8.2.0.53-1+cuda11.3_amd64.deb

其他部分还是按照原作者的继续。

（2）数据集

        在作者提供的数据集和数据集的布置方式，小编建议数据体的布置建议采用以下方式（适合刚接触的新手采用）：

OpenPCDet
├── data
│   ├── kitti
│   │   │── ImageSets
│   │   │── training
│   │   │   ├──calib & velodyne & label_2 & image_2 & (optional: planes) & (optional: depth_2)
│   │   │── testing
│   │   │   ├──calib & velodyne & image_2
├── pcdet
├── tools

布置好数据集之后，执行以下命令

cd OpenPCDet

数据预处理：

python -m pcdet.datasets.kitti.kitti_dataset create_kitti_infos tools/cfgs/dataset_configs/kitti_dataset.yaml

数据预处理的过程如果报错，检查training和testing文件中的image_2中的文件数量是否与training和testing文件下其他目录中的文件数量相同，如果不同，从另一个image_2中复制一部分补齐道另一个image_2中。再次执行上述的命令。

然后返回参考文章中，继续执行后续的命令。

（3）tensorBoard可视化：

        在执行可视化的命令之前要安装 tensorBoard。

（4）运行demo.py可视化模型在测试集上的推理效果

python demo.py --cfg_file cfgs/kitti_models/pointpillar.yaml  --data_path ../data/kitti/testing/velodyne/000099.bin --ckpt ../output/kitti_models/pointpillar/default/ckpt/checkpoint_epoch_80.pth

     如果出现一下提示： 

RuntimeError: CUDA error: CUBLAS_STATUS_INVALID_VALUE when calling `cublasSgemm( handle, opa, opb, m, n, k, &alpha, a, lda, b, ldb, &beta, c, ldc)`

    运行这个命令： 

unset LD_LIBRARY_PATH

     

 注意：在运行这个命令之前要下载一个文件：

链接：https://pan.baidu.com/s/1n-MWItXyK0aJ-ZNmuYHHiA 
提取码：m0ee 

将现在的文件复制到 OpenPCDet/tools 文件夹目录下。

再次运行上述代码即可得到可视化模型在测试集上的推理效果。

引用的内容：

史上最全Ubuntu18.04单系统安装教程_ubuntu18.04安装教程_威士忌燕麦拿铁的博客-CSDN博客

https://xiaohu.blog.csdn.net/article/details/124515876