3DSSD复现（ubuntu16.04+cuda+cudnn7.0+tensorflow1.4.0）持续更新...

一、cuda9.0安装

cuda9.0下载地址：

CUDA Toolkit 9.0 Downloads | NVIDIA Developer

下载完成后进行cuda9.0的安装

cuda官方安装教程：

Quick Start Guide :: CUDA Toolkit Documentation

输入：

 lspci | grep -i nvidia

输出显卡型号，说明支持cuda

出现在这个列表 CUDA GPUs - Compute Capability | NVIDIA Developer 中的显卡支出cuda

If your graphics card is from NVIDIA and it is listed in CUDA GPUs - Compute Capability | NVIDIA Developer your GPU is CUDA-capable.

确定版本号

uname -m && cat /etc/*release

安装前需禁用英伟达驱动：

https://docs.nvidia.com/cuda/archive/9.0/cuda-installation-guide-linux/index.html#runfile-nouveau禁用教程：

https://docs.nvidia.com/cuda/archive/9.0/cuda-installation-guide-linux/index.html#runfile-nouveau

装vim

sudo apt install vim

执行命令：

sudo vim /etc/modprobe.d/blacklist-nouveau.conf

然后点击 i 进入编辑模式，输入以下下内容

blacklist nouveau

options nouveau modeset=0

按esc 再输入 ：wq！ 即可保存退出

然后进入cuda9.0所在文件目录，执行安装命令 注意文件名的一致

sudo sh cuda_9.0.176_384.81_linux.run

很多，慢慢往下看

accept

接下来如图，基本都是默认y，然后继续，然后出现：驱动安装失败

解决方法：

目前无更好的解决经验，只能先安装要求的版本的驱动，再安装cuda（安装时跳过驱动的安装）

继续

sudo gedit ~/.bashrc 

用 sudo gedit ~/.bashrc 命令打开~/.bashrc文件，在文件末尾添加如下:（注意路径对应自己的）

export CUDA_HOME=/usr/local/cuda

export PATH=$PATH:$CUDA_HOME/bin

export LD_LIBRARY_PATH=/usr/local/cuda-9.0/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}

终端输入：nvcc -V 【V是大写】

验证是否安装成功

编译并执行CUDA样例程序，出现pass代表CUDA和GPU运行正常。

cd /usr/local/cuda-9.0/samples/1_Utilities/deviceQuery

sudo make

./deviceQuery

提示：pass 则安装成功

二、安装cudnn7.0

访问：https://developer.nvidia.com/rdp/cudnn-archive

下载 这三个文件；

 安装向导：https://developer.nvidia.com/compute/machine-learning/cudnn/secure/v7.0.5/prod/Doc/cuDNN-Installation-Guide

终端cd到下载的deb安装包目录下；

sudo dpkg -i 名字

安装顺序：（注意名字和自己下载一致）

#1.Install the runtime library, for example:

sudo dpkg -i libcudnn7_7.0.3.11-1+cuda9.0_amd64.deb

#2.Install the developer library, for example:

sudo dpkg -i libcudnn7-dev_7.0.3.11-1+cuda9.0_amd64.deb

#3.Install the code samples and the cuDNN Library User Guide, for example:

sudo dpkg -i libcudnn7-doc_7.0.3.11-1+cuda9.0_amd64.deb

验证：（第一步的/home/ubuntu/文件夹 其中ubuntu是用户名，也可以自己新建一个文件夹使用）

#复制cudnn_samples到 /home/ubuntu/文件夹下

sudo cp -r /usr/src/cudnn_samples_v7/ /home/ubuntu/

#进入root

su

#进入/home/ubuntu/cudnn_samples_v7/mnistCUDNN文件夹

cd /home/ubuntu/cudnn_samples_v7/mnistCUDNN

#清除编译内容，第一次安装的话可以跳过

make clean

#编译

make

新打开终端，进入/home/ubuntu/cudnn_samples_v7/mnistCUDNN文件夹

cd /home/ubuntu/cudnn_samples_v7/mnistCUDNN

#运行

./mnistCUDNN

出现：

Test passed！

安装成功。

三、安装tensorflow1.4.0

#先更新一下pip

pip install --upgrade pip

#进入conda虚拟环境

source ~/anaconda3/bin/activate

#创建虚拟环境

conda create -n 3dssd python=3.6 #3dssd 为环境名称

#查看虚拟环境列表

cond env list

#进入需要安装Tensorflow的虚拟环境

conda activate python_env #python_env为虚拟环境的名称

#安装对应tensorflow软件包

#对于1.x版本的tensorflow，cpu、gpu软件包分开的

pip install tensorflow==1.15 #仅支持 CPU 的版本

pip install tensorflow-gpu==1.15 #支持gpu的版本（适用于 Ubuntu 和 Windows）

#2.x版本的软件包

pip install tensorflow #支持CPU和GPU的最新稳定版（适用于 Ubuntu 和 Windows）

我安装的是1.4.0

pip install tensorflow-gpu==1.4.0

pip list 查看已安装的包

如果要卸载tensorflow

pip unimstall tensorflow-gpu==1.4.0

四、3DSSD复现

1.Clone this repository.

git clone https://github.com/tomztyang/3DSSD
cd 3DSSD

2.Setup Python environment

conda create -n 3dssd python=3.6

source activate 3dssd

pip install -r requirements.txt

2.2Download and install tensorflow-1.4.0 here which is compiled with CUDA-9.0 and CuDNN-7.0.0.

pip install tensorflow-1.4.0-cp36-cp36m-linux_x86_64.whl

3.Compile and install 3DSSD library. Note that only GCC no later than version 5.0 can compile CUDA-9.0 code, make sure you install gcc-5.

bash compile_all.sh /path/to/tensorflow /path/to/cuda

出错：

打开compile_all.sh 修改其内容：

修改tf和cuda的路径：

修改后提示：

evaluate.cpp:12:42: fatal error: boost/numeric/ublas/matrix.hpp: 没有那个文件或目录

compilation terminated.

gcc-5: error: tf_points_pooling_g.cu: 没有那个文件或目录

gcc-5: warning: ‘-x c++’ after last input file has no effect

gcc-5: fatal error: no input files

compilation terminated.

修改后

错误：fatal error: boost/numeric/ublas/matrix.hpp: 没有那个文件或目录

教程：fatal error: boost/numeric/ublas/matrix.hpp: 没有那个文件或目录 (No such file or directory)_Yongqiang Cheng的博客-CSDN博客

有效！

再次运行命令，完成！

4.Add 3DSSD/lib to PYTHONPATH.

export PYTHONPATH=$PYTHONPATH:/path/to/3DSSD/lib:/path/to/3DSSD/mayavi

五、下载KITTI数据集

calib、image_2、label_2、velodne、下载地址：

KITTI数据集下载链接_alex1801的博客-CSDN博客_kitti数据集国内下载地址

planes下载地址：https://drive.google.com/file/d/1d5mq0RXRnvHPVeKx6Q612z0YRO1t2wAp/view

train.txt、val.txt、test.txt、trainval.txt 下载地址

why val imgs count is 3381 · Issue #36 · dvlab-research/3DSSD · GitHub

或

https://raw.githubusercontent.com/traveller59/second.pytorch/master/second/data/ImageSets/test.txt

https://raw.githubusercontent.com/traveller59/second.pytorch/master/second/data/ImageSets/train.txt

https://raw.githubusercontent.com/traveller59/second.pytorch/master/second/data/ImageSets/val.txt

https://raw.githubusercontent.com/traveller59/second.pytorch/master/second/data/ImageSets/trainval.txt

下载后按照如下所示安排文件列表

.                                           (root directory)
|-- lib                                     (3DSSD library file)
|-- configs                                 (model configurations folder)
|-- ...
|-- dataset
    |-- KITTI                               (dataset directory)
    |   |-- object
    |       |-- train.txt                   (KITTI train images list (3712 samples))                              
    |       |-- val.txt                     (KITTI val images list (3769 samples))
    |       |-- test.txt                    (KITTI test images list (7518 samples))
    |       |-- trainval.txt                (KITTI images list (7481 samples))
    |       |-- training
    |       |   |-- calib
    |       |   |-- image_2
    |       |   |-- label_2
    |       |   |-- planes
    |       |   |-- velodyne
    |       |-- testing
    |-- NuScenes
    |   |-- ...
    |-- ...

进入3dssd环境，进入3DSSD-master文件夹

输入:

python lib/core/data_preprocessor.py --cfg configs/kitti/3dssd/3dssd.yaml --split training --img_list train

提示 没有core.config