在云服务器平台安装NuScenes数据集
服务器的配置信息:
1.服务器平台AutoDL
2. PyTorch 1.9.0 Python 3.8(ubuntu18.04) Cuda 11.1
3. 存储空间2TB
1.下载安装MMDetection3D框架
1.1安装环境依赖
pip install -U openmim
mim install mmengine
mim install 'mmcv>=2.0.0rc4'
mim install 'mmdet>=3.0.0'
1.2获取源代码
git clone https://github.com/open-mmlab/mmdetection3d.git -b dev-1.x
# "-b dev-1.x" 表示切换到 `dev-1.x` 分支。
cd mmdetection3d
pip install -v -e .
# "-v" 指详细说明,或更多的输出
# "-e" 表示在可编辑模式下安装项目,因此对代码所做的任何本地修改都会生效,从而无需重新安装。
1.3安装spconv
pip install spconv-cu111#按照自己的版本来
2.安装NuScenes数据集
2.1复制数据集到自己的实例
cp /root/autodl-pub/nuScenes/Fulldatasetv1.0/Test/v1.0-test_meta.tar /root/autodl-tmp/data/nuscenes
cp /root/autodl-pub/nuScenes/Fulldatasetv1.0/Test/v1.0-test_blobs.tgz /root/autodl-tmp/data/nuscenes
------------------------------------------------------------------------------------------------------------------
cp /root/autodl-pub/nuScenes/Fulldatasetv1.0/Trainval/v1.0-trainval_meta.tgz /root/autodl-tmp/data/nuscenes
cp /root/autodl-pub/nuScenes/Fulldatasetv1.0/Trainval/v1.0-trainval01_blobs.tgz /root/autodl-tmp/data/nuscenes
cp /root/autodl-pub/nuScenes/Fulldatasetv1.0/Trainval/v1.0-trainval02_blobs.tgz /root/autodl-tmp/data/nuscenes
cp /root/autodl-pub/nuScenes/Fulldatasetv1.0/Trainval/v1.0-trainval03_blobs.tgz /root/autodl-tmp/data/nuscenes
cp /root/autodl-pub/nuScenes/Fulldatasetv1.0/Trainval/v1.0-trainval04_blobs.tgz /root/autodl-tmp/data/nuscenes
cp /root/autodl-pub/nuScenes/Fulldatasetv1.0/Trainval/v1.0-trainval05_blobs.tgz /root/autodl-tmp/data/nuscenes
cp /root/autodl-pub/nuScenes/Fulldatasetv1.0/Trainval/v1.0-trainval06_blobs.tgz /root/autodl-tmp/data/nuscenes
cp /root/autodl-pub/nuScenes/Fulldatasetv1.0/Trainval/v1.0-trainval07_blobs.tgz /root/autodl-tmp/data/nuscenes
cp /root/autodl-pub/nuScenes/Fulldatasetv1.0/Trainval/v1.0-trainval08_blobs.tgz /root/autodl-tmp/data/nuscenes
cp /root/autodl-pub/nuScenes/Fulldatasetv1.0/Trainval/v1.0-trainval09_blobs.tgz /root/autodl-tmp/data/nuscenes
cp /root/autodl-pub/nuScenes/Fulldatasetv1.0/Trainval/v1.0-trainval10_blobs.tgz /root/autodl-tmp/data/nuscenes
2.2解压数据集
tar zxvf /root/autodl-tmp/data/nuscenes/v1.0-test/v1.0-test_blobs.tgz -C /root/autodl-tmp/data/nuscenes
tar zxvf /root/autodl-tmp/data/nuscenes/v1.0-test/v1.0-test_meta.tar -C /root/autodl-tmp/data/nuscenes
------------------------------------------------------------------------------------------------------------------
tar zxvf /root/autodl-tmp/data/nuscenes/v1.0-trainval_meta.tgz -C /root/autodl-tmp/data/nuscenes
tar zxvf /root/autodl-tmp/data/nuscenes/v1.0-trainval01_blobs.tgz -C /root/autodl-tmp/data/nuscenes
tar zxvf /root/autodl-tmp/data/nuscenes/v1.0-trainval02_blobs.tgz -C /root/autodl-tmp/data/nuscenes
tar zxvf /root/autodl-tmp/data/nuscenes/v1.0-trainval03_blobs.tgz -C /root/autodl-tmp/data/nuscenes
tar zxvf /root/autodl-tmp/data/nuscenes/v1.0-trainval04_blobs.tgz -C /root/autodl-tmp/data/nuscenes
tar zxvf /root/autodl-tmp/data/nuscenes/v1.0-trainval05_blobs.tgz -C /root/autodl-tmp/data/nuscenes
tar zxvf /root/autodl-tmp/data/nuscenes/v1.0-trainval06_blobs.tgz -C /root/autodl-tmp/data/nuscenes
tar zxvf /root/autodl-tmp/data/nuscenes/v1.0-trainval07_blobs.tgz -C /root/autodl-tmp/data/nuscenes
tar zxvf /root/autodl-tmp/data/nuscenes/v1.0-trainval08_blobs.tgz -C /root/autodl-tmp/data/nuscenes
tar zxvf /root/autodl-tmp/data/nuscenes/v1.0-trainval09_blobs.tgz -C /root/autodl-tmp/data/nuscenes
tar zxvf /root/autodl-tmp/data/nuscenes/v1.0-trainval10_blobs.tgz -C /root/autodl-tmp/data/nuscenes
2.3开始制作数据集
python tools/create_data.py nuscenes --root-path ./data/nuscenes --out-dir ./data/nuscenes --extra-tag nuscenes
制作完成后的目录结构
mmdetection3d
├── mmdet3d
├── tools
├── configs
├── data
│ ├── nuscenes
│ │ ├── maps
│ │ ├── samples
│ │ ├── sweeps
│ │ ├── lidarseg (optional)
│ │ ├── v1.0-test
| | ├── v1.0-trainval
│ │ ├── nuscenes_database
│ │ ├── nuscenes_infos_train.pkl
│ │ ├── nuscenes_infos_val.pkl
│ │ ├── nuscenes_infos_test.pkl
│ │ ├── nuscenes_dbinfos_train.pkl
3.测试
测试CenterPoint代码
python tools/train.py configs/centerpoint/centerpoint_voxel01_second_secfpn_8xb4-cyclic-20e_nus-3d.py
运行成功截图,建议选择V100以上的显卡配置,多张并行。
注:
若果想在本地进行代码测试建议将MMDetection3D中的data文件单独拿出与项目文件并列,否则在本地同步文件时会下载数据集到本地,修改后记得修改原程序中的代码路径。