运行配置--ICCV23开源 | 兼具泛化性与绝对尺度的单目深度估计！

标题：Towards Zero-Shot Scale-Aware Monocular Depth Estimation

作者：Vitor Guizilini, Igor Vasiljevic, Dian Chen, Rares Ambrus, Adrien Gaidon

机构：丰田研究所 (TRI)

原文链接：https://arxiv.org/abs/2306.17253

代码链接：https://github.com/tri-ml/vidar

官方主页：https://sites.google.com/t...

一、获取代码：

git clone --recurse-submodules https://github.com/TRI-ML/vidar.git
cd vidar

二、build，这里没有docker会报错，未报错的 跳过这一步骤即可：

make docker-build 

#检查docker版本
docker --version

#安装docker
sudo apt update
sudo apt install docker.io

#启动Docker服务并使其在启动时自动运行
sudo systemctl start docker
sudo systemctl enable docker

尝试重新构建：make docker-build ，可能会开始构建docker镜像。

三、运行脚本：

make docker-interactive

如果报错，尝试修改cuda镜像：寻找合适的cuda镜像 ，(我的cuda为11.6)

#查询gpu相关信息，查询cuda信息
nvidia-smi

 复制选择的镜像的命令：

#拉取镜像
docker pull nvidia/cuda:11.6.1-base-ubuntu20.04

#测试
docker run --rm --gpus all nvidia/cuda:11.6.1-base-ubuntu20.04 nvidia-smi

 依然报错，要正确安装nvidia docker支持：安装nvidia docker支持 ，重启docker 

#重启docker
sudo systemctl restart docker

#测试nvidia docker是否工作正常
docker run --rm --gpus all nvidia/cuda:11.6.1-base nvidia-smi

四、验证环境是否设置正确，可以运行简单的过拟合测试：

# Download a tiny subset of KITTI
mkdir /data/datasets 
curl -s https://tri-ml-public.s3.amazonaws.com/github/vidar/datasets/KITTI_tiny.tar | tar xv -C /data/datasets/

# Inside docker
python scripts/launch.py configs/overfit/kitti/selfsup_resnet18.yaml
运行报错：   
    Traceback (most recent call last):
      File "scripts/launch.py", line 8, in <module>
        from vidar.core.trainer import Trainer
      File "/workspace/vidar_release/vidar/core/trainer.py", line 10, in <module>
        from vidar.core.logger import WandbLogger
      File "/workspace/vidar_release/vidar/core/logger.py", line 14, in <module>
        from vidar.utils.viz import viz_depth, viz_inv_depth, viz_normals, viz_optical_flow, viz_camera
      File "/workspace/vidar_release/vidar/utils/viz.py", line 9, in <module>
        from vidar.utils.depth import depth2inv
      File "/workspace/vidar_release/vidar/utils/depth.py", line 7, in <module>
        from vidar.geometry.camera import Camera
      File "/workspace/vidar_release/vidar/geometry/camera.py", line 3, in <module>
        from vidar.geometry.cameras.pinhole import CameraPinhole
      File "/workspace/vidar_release/vidar/geometry/cameras/pinhole.py", line 4, in <module>
        from torch_scatter import scatter_min
      File "/usr/local/lib/python3.8/dist-packages/torch_scatter/__init__.py", line 16, in <module>
        torch.ops.load_library(spec.origin)
      File "/usr/local/lib/python3.8/dist-packages/torch/_ops.py", line 933, in load_library
        ctypes.CDLL(path)
      File "/usr/lib/python3.8/ctypes/__init__.py", line 373, in __init__
        self._handle = _dlopen(self._name, mode)
    OSError: /usr/local/lib/python3.8/dist-packages/torch_scatter/_version_cuda.so: undefined symbol: _ZN3c1017RegisterOperatorsD1Ev

检查环境兼容性

确保您的PyTorch版本和torch_scatter版本是兼容的。在Dockerfile中设置的PyTorch版本为1.12.1（对应CUDA 11.3），而安装的是torch_scatter==2.0.9。您需要查看torch_scatter的文档或其GitHub仓库，确定这个版本是否与PyTorch版本兼容。

 重新安装torch_scatter

pip uninstall torch_scatter
pip install torch_scatter

发现环境适配的torch-scatter版本是2.1.2

修改docker/Dockerfile文件

我这边即使修改版本后也会报错，仍需重新执行重新安装部分。

之后就正常了。

附链接：

pytorch，torchvision与python版本对应关系及安装命令