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:
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:
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
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: