点云分割3DBoNet || 工程环境配置cuda10.0-tensorflow-1.13

写在前面：

服务器上的环境的cuda、显卡驱动版本都是偏高的。但该项目中，对于 tf_ops的编译环境，要求tensorflow的版本在1.13及1.13以下，会比较容易编译，1.14以上，看网上讲述的需要修改些设置。
本着尽快编译通过进行测试的原则，环境最终选择了tensorflow-gpu==1.13、cuda10.0。
就在自己本地安装了个双系统，在ubuntu上配置该工程，并且一遍过，在这里记录下
 
工程链接：https://github.com/Yang7879/3D-BoNet

1 安装cuda10.0 以及相应的 cudnn

该步骤网上的教程随便一搜就可解决问题。
这里需要说明的是，因为不同工程中需要不同的深度学习框架的版本，需要不同的cuda版本以及cudnn，所以自己习惯在虚拟环境中安装 cudatoolkit，在安装个能够兼容多个驱动即可。
但在这里，编译时会使用到nvcc，所以需要在系统环境下安装完整的cuda环境，单纯的虚拟环境中的cudatoolkit是不够的

2安装anaconda及虚拟环境

conda create -n BoNet python=3.6
pip install tensorflow-gpu==1.13.1
pip install scipy
pip install h5py
pip install open3d-python

注意：tensorflow的一定要给版本信息，其他的随意（大不了到时候报错了重新装下哈哈哈）

3 编译 tf_ops

3.1 查找tensorflow包含路径和库路径

在该虚拟环境中运行如下代码：

import tensorflow as tf
print(tf.sysconfig.get_include())
print(tf.sysconfig.get_lib())

---

3.2 编译tf_ops

下载3D-BoNet工程并解压，

• 进入到./tf_ops/tf_sampling/路径下，

• 修改 tf_sampling_compile.sh文件的权限：chmod +x tf_sampling_compile.sh

• 修改 tf_sampling_compile.sh文件的内容修改后：

  【/usr/local/cuda-10.0/bin/nvcc tf_sampling_g.cu -o tf_sampling_g.cu.o -c -O2 -DGOOGLE_CUDA=1 -x cu -Xcompiler -fPIC】

  【g++ -std=c++11 tf_sampling.cpp tf_sampling_g.cu.o -o tf_sampling_so.so -shared -fPIC -I /home/ll/anaconda3/envs/BoNet/lib/python3.6/site-packages/tensorflow/include -I /usr/local/cuda-10.0/include -I /home/ll/anaconda3/envs/BoNet/lib/python3.6/site-packages/tensorflow/include/external/nsync/public -lcudart -L /usr/local/cuda-10.0/lib64/ -L/home/ll/anaconda3/envs/BoNet/lib/python3.6/site-packages/tensorflow -l:libtensorflow_framework.so -O2 -D_GLIBCXX_USE_CXX11_ABI=0】

  修改结束后保存，然后在该文件路径下的终端里进行编译：./tf_sampling_compile.sh
  结束后会生成相应的so文件
  
   

!!! !!! 然后进入 ./tf_ops/grouping/路径下，重复上面的工作
!!! !!! 然后进入 ./tf_ops/interpolation 路径下，重复上面的工作

4 下载数据集并测试

S3DIS数据下载：

• S3DIS：https ://drive.google.com/open ? id = 1hOsoOqOWKSZIgAZLu2JmOb_U8zdR04v0
• 百度盘：https ://pan.baidu.com/s/1ww_Fs2D9h7_bA2HfNIa2ig密码：qpt7
   

训练：python main_train.py
测试：python main_eval.py
 

该工程发布的预训练模型，是基于 S3DIS 数据集进行训练的。
据作者说由于文件许可的原因，不公开scannetV2数据集的预训练模型，但是给了测试结果
https://drive.google.com/file/d/1cV07rP02Yi3Eu6GQxMR2buigNPJEvCq0/view下载scannet测试集测试的结果。
然后运行python helper_data_scannet.py即可得到可视化的结果。

5 常见问题

1. 使用高版本的tensorflow进行该工程的环境配置，自己当前并未尝试，如果有相关问题，可移步其他博客查看
2. 报错不存在tf_grouping_so.so或者tf_sampling_so.so文件：一定注意，【tf_ops】路径下是3个文件夹，需要分别在3个文件夹下进行sh文件编译。切记切记
    

由于该篇博客是事后一段时间才记录的，所以有些小问题已经记不清楚了，如有疑问和问题，欢迎讨论