FlowNet2环境配置踩坑实录

FlowNet2是光流估计领域的经典工作，从事相关研究应用都难免引用这个工作。讲道理他的易用性在当年做的还是不错的，环境配置的主要问题是过于古早的Pytorch和Cuda版本和谜一样的c系语言报错。

项目地址：
https://github.com/NVIDIA/flownet2-pytorch

一. 编译过程

从github上拉下代码后，进入了第一道关卡：编译。因为flownet2依赖于cuda加速，所以需要编译后才能使用。按照官网的Installation步骤，会遇到以下问题：

1. 找不到NVCC，即使nvcc -V指令没问题

报错信息：

/usr/local/cuda/bin/nvcc: No such file or directory

解决方法：
~/.bashrc文件中不能写成

CUDA_HOME=CUDA_HOME:/usr/local/cuda

应该写成

CUDA_HOME=/usr/local/cuda

具体原因不明，这个方法确实work，但不是一些博主说的CUDA_HOME后有冒号的问题

2. gcc版本不得新于gcc7

3. pytroch和cuda版本必须匹配、

用issue里好哥哥的信息，pytorch不一定要用Readme里的0.4.1

为了配置各种工程的环境，我已经被迫熟练掌握CUDA，GCC，pytorch的版本切换了，哈，哈哈哈…

二. 运行过程

1. 预训练权重和测试数据的下载

首先需要一个好用的梯子，不然权重在google的网盘上是下不下来的。

权重

完成下载后，权重不需要解压，在项目根目录建一个checkpoint文件夹放进去即可

数据集

地址：

http://sintel.is.tue.mpg.de/downloads
下载其中的test即可

完成下载后，在根目录新建dataset文件夹，放入下载内容，解压

最后的目录应该长这样

2. 执行命令

Readme中提供的指令需要做一些替换，最后可以执行的命令为：

python main.py --inference \
--model FlowNet2 \ # 根据实际下载的模型修改
--save_flow --inference_dataset ImagesFromFolder \ # 注意和原命令有区别
--inference_dataset_root ./dataset/test/clean/wall \ # 数据集路径
--resume ./checkpoint/FlowNet2_checkpoint.pth.tar \ # 预训练权重路径
--save ./output

这其中遇到了两个问题：

a 数组越界

如果--inference_dataset选项没有修改，会报错数组越界。因为这里使用的数据集不是十分标准的MPISinter数据集。

b CUDA, Pytorch, CUDNN版本不一致

error in Correlation_forward_cuda_kernel: invalid device functionncing

修改conda环境中的pytorch版本时，最好把整个环境都删了重建一个新环境。我这里报错就是因为cuda90没有删除影响了cuda100的使用。