复现PointRcnn记录

1. 复现报错解决

1.1 sh build_and_install.sh错误

复现PointRcnn时,安装 sh build_and_install.sh时出现Fatal error: cuda.h, No such file or directory,以下方法解决。

1.在~/.bashrc中设置环境变量

export CUDA_HOME=/home/usr/local/cuda-10.0
export PATH=$CUDA_HOME/bin:$PATH
export LD_LIBRARY_PATH=$CUDA_HOME/lib64:$LD_LIBRARY_PATH

2.查看makefile文件是否对cuda的地址是/usr/local/cuda-10.0 有的默认是/usr/local/cuda

ln -s /usr/local/cuda-10.0 /usr/local/cuda

3.如果以上情况都不是,并且locate  cuda.h 能找到正确位置,在terminal中如下操作

sudo apt-get install nvidia-cuda-toolkit

4.重启reboot。

1.2 plane数据集问题?

将lib\datasets\kitti_rcnn_dataset.py文件里的279~282行注释掉了,不让他调用数据增强函数apply_gt_aug_to_one_scene(...)。plane数据集也是可选的。

1.3 GPU不够

减小减小batch_size值。

2. 复现过程

pointRCNN原理与复现pointrcnn复现+可视化

2.1 安装anaconda

2.2 环境搭建

  • 创建虚拟环境/进入
conda create -n pointrcnn python=3.6 
#官方要求版本3.6以上
conda activate pointrcnn
  • 安装pytorch 1.0
conda install pytorch==1.0.0 torchvision==0.2.1 cuda100 -c pytorch

打开python,并运行:import torch 载入该模块,未报错则成功。

检查:conda list存在torch即安装完成

  • 4
    点赞
  • 30
    收藏
    觉得还不错? 一键收藏
  • 10
    评论
Pointrcnn是一种用于三维目标检测的深度学习算法,可以在点云数据上实现对目标的检测和定位。下面是一个关于如何复现Pointrcnn的简要步骤: 首先,需要准备点云数据集以及对应的目标标签。可以使用公开的点云数据集,如KITTI、SUN RGB-D等,并使用相应的标注工具对目标进行标注。 然后,搭建Pointrcnn的网络架构。Pointrcnn网络主要由三个模块组成:PointNet,RPN和RCNNPointNet用于提取点云的局部特征,RPN用于生成候选框,RCNN作为分类器和回归器。可以根据论文中的网络结构图来搭建这些模块,并使用TensorFlow或PyTorch深度学习框架进行实现。 接下来,训练网络模型。将点云数据输入模型进行训练,使用交叉熵损失函数和平滑的L1损失函数对模型进行优化。此外,可以采用数据增强技术来增加训练集的多样性,如旋转、平移、缩放等。 在训练过程中,可以使用GPU加速计算以提高训练速度,同时监控网络的训练损失和精度,以便及时调整超参数。 最后,对测试集进行测试和评估。使用训练好的模型对测试集中的点云数据进行目标检测和定位,并根据预测结果和真实标签进行评估,如计算精确度、召回率和平均准确度等指标。 总结来说,复现Pointrcnn需要准备点云数据集和目标标签,搭建网络架构,训练网络模型,并对测试集进行测试和评估。这只是一个简要的概述,实际的复现过程可能还涉及一些细节和调整。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 10
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值