联合车道线分割与车辆检测之Multinet算法训练配置

配置cuda9.0+cudnn7.0+tensorflow-gpu1.9.0+python2.7

非root权限下安装cuda9.0+cudnn7.0

1.根据自己的系统在官网下载cuda9.0

2.进入下载目录，并执行

sh cuda_xxxx_linux.run

 注意：

1. 在协议中选择同意EULA（accept）
2. 不安装driver installation （no）
3. 选择cuda安装目录，如/home/pll/cuda
4. 不进行软链接

3.下载cudnn7.0

4.解压cudnn7.0

tar -xzvf cudnn-9.0-linux-x64-v7.tgz

5、拷贝cudnn部分文件到cuda

cp cuda/include/cudnn.h cuda9/include/
cp cuda /lib64/libcudnn* cuda9/lib6

6、修改个人用户的环境变量 

vim ~/.bashrc
“export PATH=/home/pll/cuda9/bin:$PATH”
“export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/home/pll/cuda9/lib64/”
添加到环境变量中
然后保存
source ~/.bashrc

tensorflow-gpu1.9.0+python2.7

2.Anaconda安装：下载对应的Anaconda版本，然后sh Anaconda3-2019.03-Linux-x86_64.sh直接安装

3 python2.7安装

conda create --name py27 python=2.7

4 tensorflow1.9.0安装

conda activate py27 #激活python2.7的虚拟环境
pip install tensorflow_gpu-1.9.0-cp36-cp36m-manylinux1_x86_64.whl#离线安装快
#安装后
python
import tensorflow as tf 
#如果不报错就证明安装成功

MultiNet环境配置

1.下载MultiNet开源代码

git clone https://github.com/MarvinTeichmann/MultiNet.git

2.配置相关环境

pip install numpy scipy pillow matplotlib runcython commentjson

3.初始化所有submodules

git submodule update --init --recursive

4.build cython code

cd submodules/KittiBox/submodules/utils/ && make

5. Download Kitti Road Data

1.Retrieve kitti data url here: http://www.cvlibs.net/download.php?file=data_road.zip
2.Call python download_data.py --kitti_url URL_YOU_RETRIEVED

这里不建议在线下载权重文件和相关数据集，在线下载的速度是慢的要死，而且也不一定能够下载成功，kitti的道路分割数据集和车辆检测数据集可以直接百度kitti官网去下载，权重文件vgg16.npy下载的百度云盘链接为：

链接：https://pan.baidu.com/s/1Wo3s6AysHx_DqQzVdCmLwg 
提取码：mvzz 
下载完成后，在MultiNet下建立一个DATA文件，把相关数据放进去，在DATA/下建立weights把vgg16.npy放至该路径下

6.build the Kitti evaluation code 

cd submodules/KittiBox/submodules/KittiObjective2/ && make

7 训练前设置Kittiseg.json

将resize_image由false改为true

8.GPU设置 

export TV_USE_GPUS=2,3#其中2,3是gpu的序号，根据自己的服务器的GPU序号设置

9.最后训练

python train.py --hypes hypes/multinet2.json

  错误提示1：训练前一定在kittiseg.json中设置 resize_image": true，不然测试的时候会报如下错误，我迭代训练了7万次，后来 网上看到有人训练踩了坑，就去测试了一下，真的是有这种情况出现，真的是虐啊，不开心。在博客中尽量列出完善MultiNet训练步骤，帮助大家少踩坑。

   错误提示2：没有设置GPU会报错，显示内存不够，当时服务器 上有4块gpu，同事当时有在调用第一块，我没有指定gpu，结果总是报错第一块gpu内存资源耗尽，就是 如下错误，去githup上查找相关报错，结果不是说电脑配置不行就是说要调整图像大小或者batch_size，算法中batch_size=1，已经不能在降低了，调整图像大小，对应的标签也需要调整，感觉很麻烦，弄了大半天没有弄好，就去请教同事，需要在运行代码前指定使用的gpu，然后在进行训练，就很正常的在训练了，突然发现自己智商瞬间为0啊，很不开心啊。