最新VoteNet环境配置记录

最新推荐文章于 2024-06-13 09:54:20 发布
最新推荐文章于 2024-06-13 09:54:20 发布
阅读量652 收藏 23
点赞数 7
文章标签： 深度学习 目标检测 机器学习 pytorch
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/pianchengxiaobai/article/details/136610328
版权

目录

前言

由于votenet代码最近一次commit的时间是2020年，使用github中建议的pytorchv1.1会出现CUDA兼容性问题（新的显卡需要高版本的CUDA，但高版本的CUDA已经不再支持低版本的pytorch），使用较高版本的pytorch>= v1.4又会产生代码兼容性问题（由于pytorch更换API），最终思路是使用高版本pytorch以兼容高版本CUDA，通过修改代码来兼容高版本pytorch

对齐颗粒度

以下信息无需完全一致，列出来仅供参考，关于查看这些信息的命令可以看我另一篇博客，深度学习服务器版本查看指令集合（显卡，Ubuntu，CUDA，gcc，conda，torch）

  • 显卡型号 NVIDIA GeForce RTX 2080 Ti
  • Ubuntu版本 20.04
  • CUDA版本 10.2
  • gcc版本 7.5.0
  • pytorch版本 1.7.0

另一台服务器相关配置的版本

  • 显卡型号 NVIDIA GeForce RTX 3090
  • Ubuntu版本 20.04
  • CUDA版本 11.3
  • gcc版本 9.4.0
  • pytorch版本 1.10.0

一、安装Miniconda

miniconda比anaconda更加轻量化，主要是用于虚拟环境管理。下面这篇博客对安装教程讲得非常清楚，我就不再赘述
手把手教你如何在Ubuntu下安装Miniconda

二、安装CUDA Toolkit（重点！）

具体安装教程网上很多，这里只强调需要注意的地方：根据显卡选择CUDA
安装CUDA可以参考这篇博客linux上多个CUDA切换使用（小白教程）

1. 查看显卡算力

使用开头提到的查看显卡型号命令，然后在显卡算力表中查找对应的算力，2080Ti对应的算力是7.5

2. 确定支持的CUDA版本

查看CUDA版本和显卡算力对应表（需要科学上网），可以看到算力7.5的显卡支持的CUDA版本最低是10.0（当初就是不知道根据显卡选CUDA，傻傻的和VoteNet github中提到的CUDA版本保持一致，导致在另一台3090（算力8.6）上装了CUDA 10.0，运行代码时各种报错，折腾了很久）

如果服务器已经被师兄们开发过，可以查看已经安装的CUDA版本并直接使用

ls /usr/local		# 查看已安装的CUDA版本

在这里插入图片描述
这个目录是CUDA的默认安装路径。可以看到这台服务器上已经安装了三个版本的cuda，多版本CUDA共存是允许的，查看cuda文件链接的文件就可以知道当前使用CUDA的版本，通过改变软链接就可以实现CUDA的切换，具体操作可以看这篇博客
linux上多个CUDA切换使用（小白教程）

ls -il /usr/local/cuda		# 查看cuda文件链接的文件

在这里插入图片描述

三、创建虚拟环境并安装pytorch

1. conda添加清华镜像源

pytorch也使用conda安装

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
conda config --set show_channel_urls yes

2. 创建虚拟环境并激活

我这里python版本选择3.7

conda create -n votenet python=3.7		# 创建环境
conda activate votenet					# 激活环境

3. 安装pytorch（重点！）

这又是一个容易踩坑的地方
根据CUDA选择pytorch
在pytorch以往版本中选择和CUDA对应的版本，可以Ctrl+F输入CUDA版本号搜索，我选择的是1.7.0（使用1.4，1.5或更高版本应该是没问题的，只是需要简单修改代码）
在这里插入图片描述
下载的时候需要复制这条命令并将-c pytorch去掉，它指定了从官网路径下载，不会通过镜像源下载，但网上好多博客会说不可以去掉，去掉的话通过镜像源会下载到cpu版本的pytorch，如果想了解细节可以看下面这篇博客
conda 清华源安装 PyTorch CUDA 版本
原因我确实不清楚，但有个结论是：执行命令后，在安装之前会列出依赖清单，如果清单中pytorch标注的不是CPU版且CUDA版本和你的一致，这样就可以下载；否则，换个pytorch版本尝试
在这里插入图片描述
下载完后使用开头介绍的命令检查pytorch版本及其对应的CUDA版本还有GPU是否可用

四、下载并修改VoteNet代码

切换到项目路径后使用git下载（如果网络不好或者服务器端修改代码不方便，可以先下载到本地并修改代码，然后使用Xftp或scp上传到服务器）

git clone https://github.com/facebookresearch/votenet.git

代码修改主要参考这个issue
Unable to compile pointnet2 #108（需要科学上网）

1. 修改pointet2/setup.py代码

将pointet2/setup.py使用以下代码替换

# Copyright (c) Facebook, Inc. and its affiliates.
# 
# This source code is licensed under the MIT license found in the
# LICENSE file in the root directory of this source tree.

from setuptools import setup
from torch.utils.cpp_extension import BuildExtension, CUDAExtension
import glob
import os

_ext_src_root = "_ext_src"
_ext_sources = glob.glob("{}/src/*.cpp".format(_ext_src_root)) + glob.glob(
    "{}/src/*.cu".format(_ext_src_root)
)
_ext_headers = glob.glob("{}/include/*".format(_ext_src_root))

headers = "-I" + os.path.join(os.path.dirname(os.path.abspath(__file__)), '_ext_src', 'include')

setup(
    name='pointnet2',
    ext_modules=[
        CUDAExtension(
            name='pointnet2._ext',
            sources=_ext_sources,
            extra_compile_args={
                "cxx": ["-O2", headers],
                "nvcc": ["-O2", headers]
            },
        )
    ],
    cmdclass={
        'build_ext': BuildExtension
    }
)

2. 修改pointet2/_ext_src/目录下的代码

将以下文件中的AT_CHECK使用TORCH_CHECK替换（由于pytorch更换API）

pointnet2/_ext_src/include/utils.h
pointnet2/_ext_src/src/ball_query.cpp 
pointnet2/_ext_src/src/group_points.cpp 
pointnet2/_ext_src/src/interpolate.cpp 
pointnet2/_ext_src/src/sampling.cpp

五、编译pointnet2并安装依赖

编译pointnet2（中间出现warning不需要管，不出现error就行）
编译这步出问题的也特别多

cd pointnet2
python setup.py install

之后依赖安装的时候需要注意的是先安装'networkx>=2.2,<2.3'，在安装'trimesh>=2.35.39,<2.35.40'。先安装trimesh的话，会自动安装networkx==2.6，之后可视化SUNRGBD数据集时会报错

pip install plyfile -i https://pypi.tuna.tsinghua.edu.cn/simple
pip install network==2.2 -i https://pypi.tuna.tsinghua.edu.cn/simple
pip install trimesh==2.35.39 -i https://pypi.tuna.tsinghua.edu.cn/simple
pip install matplotlib opencv-python -i https://pypi.tuna.tsinghua.edu.cn/simple

六、运行程序

运行单次前向传播代码（正好可以检查pointnet2是否编译成功），运行成功截图如下

CUDA_VISIBLE_DEVICES=0 python models/votenet.py

在这里插入图片描述

爱做白日梦的悲观主义者
关注
  • 7
    点赞
  • 踩
  • 23
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
@【VoteNet复现 | VoteHMR复现 | Pointnet+霍夫投票】(作为三方库配置记录)、Pytorch2.0.0、CUDA11.8
qq_44916003的博客
03-10 221
由于现有的各个Pointnet配置均是在较低的pytorch版本和ubuntu版本上实现的，而本人的系统和各环境版本均较高，因此花费近两周时间将VoteNet（https://github.com/facebookresearch/votenet）中的Pointnet修改至能在现有的高版本pytorch版本上进行编译。
【三维目标检测】VoteNet（一）
叶子的博客
12-04 4751
VoteNet核心思想在于通过霍夫投票的方法实现了端到端3D对象检测网络，属于anchor free的目标检测方式。传统基于anchor的三维目标检测方法会将三维点云投影到bev视图后采用二维目标检测的方式来生成目标候选框。这种方式很有可能会丢失物体细节。霍夫投票法最典型的示例是二维图像中霍夫直线检测。过二维平面中的定点可以得到无数条直线。如果以顶点参数为做一条直线，即将这些直线变换到参数空间，那么这个定点对应参数空间中的一条直线。
【代码阅读】VoteNet （推荐阅读源码，学到的东西很多）
热门推荐
麒麒哈尔的博客
12-03 1万+
文章目录 本文是针对VoteNet：Deep Hough Voting for 3D Object Detection in Point Clouds论文的源码的理解。VoteNet的解读可以参考我的另外一篇博客。具体的源码，可在github上下载。 总的来说，代码写的非常优雅，我觉得光从代码的结构来看，也有很多可以借鉴的地方。所以本文先看一下代码的结构，然后再跟进去详解。 # train.py ...
【3D目标检测】VoteNet
小执着的博客
12-17 1万+
Deep Hough Voting for 3D Object Detection in Point Clouds一、论文贡献二、模型实现2.1 霍夫投票2.2 VoteNet2.2.1 总体架构2.2.2 Point cloud feature learning2.2.3 Hough voting with deep networks2.2.4 Object Proposal and Clas...
votenet理解
不知语冰
04-20 1302
网络结构： 参考1 参考2 1、backbone：SA-SA-SA-SA-FP-FP 1 模块： SA：在小区域中使用点云采样+分组+提取局部特征的方式，从局部到全局逐渐扩大感受野，包含这三部分的结构称为Set Abstraction（SA） Sampling：随机选择一个初始点，然后依次利用FPS（最远点采样）进行采样，直到达到目标点数； Grouping：以采样点为中心，划一个R为半径的球，将里面包含的点云作为一簇成组； Pointnet: 对Sampling+Grouping以后的点云进行局部的“
votenet_pretrained_models.zip
05-16
资源来源于https://drive.google.com/file/d/1oem0w5y5pjo2whBhAqTtuaYuyBu1OG8l/view?usp=sharing 我已下载，供大家使用
3D-votenet.zip
09-17
3D-votenet.zip,点云中三维目标检测的深度hough投票,3D建模使用专门的软件来创建物理对象的数字模型。它是3D计算机图形的一个方面，用于视频游戏，3D打印和VR，以及其他应用程序。
matlab代码影响-roboweldar-votenet:roboweldar-votenet
05-22
该子模块负责生成多个面板配置的场景（随机，受各种参数限制），并对其进行注释（地面真相标签，边界框），并以Votenet可读的方式保存它们。 这些焊接场景以模拟垂直面板的实际焊接示例的方式生成。 接下来，与SUN ...
matlab代码影响-votenet:投票网
05-22
为了应对这一挑战，我们提出了VoteNet，这是一种基于深度点集网络和Hough投票的协同作用的端到端3D对象检测网络。 我们的模型以简单的设计，紧凑的模型尺寸和高效率，在两个大型3D真实3D扫描数据集ScanNet和SUN RGB-...
matlab代码影响-votenet_nocuda:修改后的VoteNet可在不支持GPU的情况下运行
05-22
matlab代码影响<<<<<<< HEAD 在点云中进行3D对象检测的深层投票 由，和以及从和创建。 介绍 该存储库是ICCV 2019论文的代码发布（arXiv报告）。 当前的3D对象检测方法受2D检测器的影响很大。 为了利用2D检测器中的体系结构，他们通常将3D点云转换为规则网格（即，转换为体素网格或鸟瞰图图像），或依靠2D图像中的检测来提出3D框。 很少有作品试图直接检测点云中的物体。 在这项工作中，我们回到第一条原则来构建点云数据并尽可能通用的3D检测管道。 但是，由于数据的稀疏性质（来自3D空间中2D流形的样本），在直接根据场景点预测边界框参数时，我们面临着重大挑战：3D对象质心可能远离任何表面点，因此很难准确回归一步。 为了应对这一挑战，我们提出了VoteNet，这是一种基于深度点集网络和Hough投票的协同作用的端到端3D对象检测网络。 我们的模型以简单的设计，紧凑的模型尺寸和高效率，在两个大型3D真实3D扫描数据集ScanNet和SUN RGB-D上实现了最先进的3D检测。 值得注意的是，VoteNet在不依赖彩色图像的情况下使用纯几何信息优于以前的方法。 在此存储库
投票系统 vote 很好用
11-22
投票系统 vote 很好用 投票系统 vote 很好用 投票系统 vote 很好用
matlab代码影响-VoteNet:投票网
05-22
为了应对这一挑战，我们提出了VoteNet，这是一种基于深度点集网络和Hough投票的协同作用的端到端3D对象检测网络。 我们的模型以简单的设计，紧凑的模型尺寸和高效率，在两个大型3D真实3D扫描数据集ScanNet和SUN RGB-...
VoteNet：Deep Hough Voting for 3D Object Detection in Point Clouds
DAOCHI
02-23 1143
基本简介 论文下载地址：https://arxiv.org/pdf/1904.09664v2.pdf 代码开源地址：https://github.com/facebookresearch/votenet 作者以及论文信息如下：   Abstract 目前，3D目标检测类算法严重受2D检测类算法影响。为了利用2D检测器的网络结构，常把3D点云转化为规律的网格（比如，体素网格，或者鸟瞰图像），或者基于2D图像的3D边框预测。很少有工作直接在点云中检测3D目标。在本文工作中，我们回归第一性准则，直接基于
基于投票策略的室内家具检测：VoteNet、BRNet 最全总结
DAOCHI
02-13 554
文章目录： 一、基本概述； 二、VoteNet； 三、BRNet； 四、最新研究成果
RTX3080复现基于VoteNet的焊接平板识别网络PanelNet
astruggler的博客
12-02 793
本文基本介绍了焊接平板识别网络PanelNet的配置，主要包括VoteNet和PointNet的配置，实现了在复杂环境中分割焊接平板点云。
基于深度学习方法的点云算法2——PointNet（点云分类分割）
zhazhaqiangdedad的博客
05-30 3262
点云是一种重要的几何数据结构。由于其不规则的格式，大多数研究人员将这些数据转换为规则的三维体素网格或图像集合。然而，这会使数据变得不必要的庞大，并导致问题。本文设计了一种新型的直接以点云为输入的神经网络，它很好地保持了输入点的置换不变性。PointNet为对象分类、分割、场景语义分析等应用程序提供了统一的体系结构。虽然PointNet结构简单，但是非常高效的。从实验上看，它的表现相当出色，甚至优于最先进（state of the art）的水平。理论上，本文提供分析，以解释网络学到了什么，以及为什么网络在输
pointnet++ pointnet2代码运行 保姆级教程
对象被抛出的博客
01-08 7450
文章目录前言服务器环境项目文件和数据集准备下载项目文件下载数据集方式一方式二修改项目文件解压数据集修改多显卡训练文件train_multi_gpu.py修改编译文件运行上传到服务器编译运行 前言 应导师的要求, 去下载了pointconv的代码准备跑一遍, 结果发现需要先按照pointnet++的代码去编译几个自定义的运算tf_op,而且pointconv需要用到的scannet数据高达1.3TB, 直接劝退, 改跑pointnet2(即pointnet++) 几个注意点: 我选择的是tensorflow
基于注意力机制卷积神经网络结合门控单元CNN-GRU-SAM-Attention实现柴油机故障诊断附matlab代码
最新发布
算法如诗的博客
06-13 279
基于注意力机制卷积神经网络结合门控单元CNN-GRU-SAM-Attention实现柴油机故障诊断附matlab代码
votenet代码详解
08-03
VoteNet是一个用于三维目标检测的深度学习模型。它通过将指定目标类别的特征向量转化为概率分布表示，来实现对目标的检测和分类。VoteNet代码详解如下。 VoteNet的代码首先定义了一个VoteNet Class，其中包含了模型...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值