记录下来,以免遗忘
首先列出环境:
CUDA11.3 cudnn8.2.1
python3.7
pytorch1.10
cmake3.13.2
1.查看cmke版本
cmake --version
2.配置环境,安装需要的库
1.创建虚拟环境
conda create -n openpcdet python=3.7.7
2.激活并进入环境
conda activate openpcdet
3.安装pytorch
建议直接去官网复制粘贴
# CUDA 11.3
conda install pytorch==1.10.0 torchvision==0.11.0 torchaudio==0.10.0 cudatoolkit=11.3 -c pytorch -c conda-forge
4.安装spconv
pip install spconv-cu113
cuda版本对应的spconv版本:
检验pytorch和spconvshi否成功安装
3.安装OpenPCDet
git clone https://ghproxy.com/https://github.com/open-mmlab/OpenPCDet.git
cd OpenPCDet
pip install -r requirements.txt
python setup.py develop
验证pcdet是否安装成功
ptython
imporet pcdet
4.数据集准备
准备数据(数据格式如下图)和输入以下命令生成数据的一些信息:
python -m pcdet.datasets.kitti.kitti_dataset create_kitti_infos tools/cfgs/dataset_configs/kitti_dataset.yaml
会生成pkl文件
接下来就可以训练模型了,cd到tools下面:
python train.py --cfg_file ./cfgs/kitti_models/pointpillar_pyramid_aug.yaml --batch_size 4 --epochs 50
训练中的亚子
训练结束后会自动评估最后一个模型,然后是下面的亚子
可视化
通过open3d工具
pip install open3d
pip install ope3d-python
安装包出现版本冲突
进入到tools文件下
cd tools
python demo.py --cfg_file ./cfgs/kitti_models/pv_rcnn.yaml
–ckpt /path/to/pv_rcnn_8369.pth
–data_path /home/jin/OpenPCDet/data/kitti/testing/velodyne/000517.bin