OpenPCDet详细安装指南+单/多GPU训练演示

前言

本人总共花了两个晚上+一个下午安装，中间因为各种版本错误、版本不兼容报各种奇奇怪怪的错，遂记录下来，也希望对想要安装PCDet的朋友有所帮助。如果你的版本和我有所出入，没关系，跟着我的过程选择适合自己的版本；如果你的cuda版本正是11.1，可以无脑跟着我的过程来。
查看cuda版本：用nvcc -V或nvcc --version。

个人环境一览

安装环境

操作系统：ubuntu 16.04.1 x86_64
CUDA驱动：11.1

安装的各版本

Python=3.8
torch=1.8.1+cu111
torchvision=0.9.1+cu111
torchaudio=0.8.1
spconv=cu111

1. 创建conda虚拟环境

1. conda create -n your-env-name python=3.8

   Python版本很重要：spconv2要求python版本>=3.6 < 3.9，PCDet要求python版本>=3.8。所以最后我只能选择3.8。

2. 进入创建好的conda虚拟环境：conda activate your-env-name

如果需要退出当前conda虚拟环境：conda deactivate
如果需要删除某个conda虚拟环境：conda remove -n your-env-name --all

2. 安装PyTorch

1. 确保进入conda虚拟环境后，输入：pip install torch==1.8.1+cu111 torchvision==0.9.1+cu111 torchaudio==0.8.1 -f https://download.pytorch.org/whl/torch_stable.html
2. 安装结束后，输入：python，进入python环境
3. import torch
4. 输入torch.cuda.is_available()，如果返回true，则说明PyTorch安装成功。

如果需要寻找其他版本，可以到PyTorch官网：PyTorch历史版本。在该页面使用快捷键ctrl+f寻找目的版本。

3. 安装spconv

1. 输入：pip install spconv-cu111
2. 安装结束后，输入：python，进入python环境
3. import spconv，如果import成功，则说明安装成功。

如果需要其他版本，可以到spconv官网：spconv。只要spconv-cuda的版本大于你自己cuda的版本就行，但建议不要相差太大；比如说，你自己的cuda是11.0，你也可以安装spconv-cu111。

4. 安装PCDet

OpenPCDet GitHub官方

1. git clone https://github.com/open-mmlab/OpenPCDet.git
2. cd OpenPCDet
3. pip install -r requirements.txt
4. python setup.py develop
5. 安装没有报错后，输入python，进入python环境
6. import pcdet，如果import成功，说明安装成功。

2023.6.8补充：
如果遇到以下报错，将requirement.txt中的json和cv2改成simplejson和opencv-python就行了。

5. 数据集

1. 进入KITTI官网
2. 进入3d object，下载点云数据。
   
3. 将kitti数据集放在OpenPCDet/data目录下

或者直接在服务器上使用wget命令进行下载：wget -b https://s3.eu-central-1.amazonaws.com/avg-kitti/data_object_velodyne.zip。-b表示在后台下载，可以通过tail -f wget-log命令显示下载进度。

6. 训练

进入OpenPCDet/tools目录下。

单GPU训练

CUDA_VISIBLE_DEVICES=0 python train.py --cfg_file cfgs/kitti_models/pv_rcnn.yaml

or

python train.py --cfg_file cfgs/kitti_models/pv_rcnn.yaml

多GPU训练

CUDA_VISIBLE_DEVICES=4,5,6,7 python -m torch.distributed.launch --nproc_per_node=4 train.py --cfg_file cfgs/kitti_models/pv_rcnn.yaml --launcher pytorch

• CUDA_VISIBLE_DEVICES：选择GPU
• torch.distributed.launch：表明利用该工具进行分布式训练
• nproc_per_node：每个物理节点（机器）上有多少GPU。如果是单机器，就是你所用GPU的数量。
• cfg_file：配置文件，在OpenPCDet/tools/cfgs下。
• --launcher pytorch：表明使用PyTorch架构

7. 测试

CUDA_VISIBLE_DEVICES=4,5,6,7 python -m torch.distributed.launch --nproc_per_node=4 test.py --cfg_file cfgs/kitti_models/pv_rcnn.yaml --launcher pytorch --batch_size 4 --eval_all

• eval_all：测试后面的一系列epoch

8. 其他问题

具体问题，具体分析。版本很有可能不一样，但思路大致是这样。

1

问题描述

在用命令python -m pcdet.datasets.kitti.kitti_dataset create_kitti_infos tools/cfgs/dataset_configs/kitti_dataset.yaml生成KITTI数据集时，遇到如下报错。

问题解决

1. 首先检查数据集文件目录是否严格按照OpenPCDet的要求。
2. 如果是，大概率是路径错误，进入OpenPCDet/pcdet/datasets/kitti/kitti_dataset.py，将下图所示红框内的的test改成kitti。
   

2 kornia版本和torcch版本不兼容

问题描述
先安装了torch1.8.1，然后安装kornia（pip会找合适版本的包找很久，最后找出来也不行），发现版本冲突问题。
问题解决

• 方法一：先安装kornia，默认是最新版本；再安装torch，但是这样torch版本也会很高，而我的cuda最高只支持114。
• 方法二：
  • pip install torch==1.10.1+cu111 torchvision==0.11.2+cu111 torchaudio==0.10.1 -f https://download.pytorch.org/whl/cu111/torch_stable.html
  • pip install kornia==0.6.12