环境准备
本环境中默认已经安装了最新的Paddle 2.4版本,您无需自行安装
# 下载Paddle3D的代码+
!git clone https://github.com/PaddlePaddle/Paddle3D.git
# 跳转到代码目录中
%cd /home/aistudio/Paddle3D
# 升级pip并安装第三方依赖包
!pip install -U pip
!pip install -r requirements.txt
# 安装Paddle3D的代码
!pip install -e .
数据准备
# 解压缩项目中挂载的数据集
# 该数据集是基于KITTI数据进行随机抽取的小批量数据集,方便用户快速训练和验证
%cd /home/aistudio/data/data181431/
!tar xvzf KITTI_mini_lidar.tar.gz
# 创建数据集目录,并将解压好的数据集通过软链接的方式进行连接
%cd /home/aistudio/Paddle3D
!mkdir datasets
%cd datasets
!ln -s /home/aistudio/data/data181431/KITTI KITTI
# 生成真值数据库
%cd /home/aistudio/Paddle3D
!python tools/create_det_gt_database.py --dataset_name kitti --dataset_root ./datasets/KITTI --save_dir ./datasets/KITTI
模型训练
注意:请确保模型在4卡环境下训练,否则模型效果可能会比较差
在4卡V100上面,预计需要训练20分钟左右
%cd /home/aistudio/Paddle3D
# 清空文件夹
!rm -rf output_centerpoint_kitti
# 使用如下命令启动4卡训练
!python -m paddle.distributed.launch tools/train.py --config configs/centerpoint/centerpoint_pillars_016voxel_kitti_mini.yml --num_workers 2 --log_interval 50 --save_interval 4 --save_dir output_centerpoint_kitti
模型评估
注意:该教程只是为了快速演示模型的训练效果,并没有经过细致的超参调优,因此最终的指标并不是模型的最优效果
# 使用如下命令启动模型评估,我们选择训练过程中最后保存的一组参数来评估效果
!python tools/evaluate.py --config configs/centerpoint/centerpoint_pillars_016voxel_kitti_mini.yml --num_workers 2 --model output_centerpoint_kitti/epoch_20/model.pdparams --batch_size 1
模型导出
当模型训练完成后,我们需要将模型导出成推理可用的格式
# 使用如下命令导出模型文件以及meta信息
!python tools/export.py --config configs/centerpoint/centerpoint_pillars_016voxel_kitti_mini.yml --model output_centerpoint_kitti/epoch_20/model.pdparams --export_for_apollo --save_name centerpoint
# 将exported_model目录打包成centerpoint_paddle.zip压缩包,该压缩包后续用于安装至apollo
!zip -r centerpoint_paddle exported_model/
此文章为搬运
原项目链接