mmdetection3d之pointpillar训练配置

官方文档

官网：https://mmdetection3d.readthedocs.io/zh_CN/latest/1_exist_data_model.html

Train

训练集路径设置

• 需要指定自己存放数据的目录，以kitti数据集为例，需要修改kitti-3d-3class.py, hv_pointpillars_secfpnn_6x8_160e_kitti-3d-3class.py,两个文件的data_root路径

单GPU训练

• python tools/train.py configs/pointpillars/hv_pointpillars_secfpn_6x8_160e_kitti-3d-3class.py
• 终端输入tensorboard --logdir work_dirs/hv_pointpillars_secfpn_6x8_160e_kitti-3d-3class对训练过程中的loss曲线等进行可视化。

多GPU训练

• CUDA_VISIBLE_DEVICES=4,5,6,7 PORT=29501 ./tools/dist_train.sh ${CONFIG_FILE} 4

Test

# 单块显卡测试
默认是第一张卡，如果想指定某张卡通过export CUDA_VISIBLE_DEVICES设定，如指定第八张卡：
export CUDA_VISIBLE_DEVICES=7
python tools/test.py ${CONFIG_FILE} ${CHECKPOINT_FILE} [--out ${RESULT_FILE}] [--eval ${EVAL_METRICS}] [--show] [--show-dir ${SHOW_DIR}]

# CPU：禁用显卡并运行单块 CPU 测试脚本（实验性）
export CUDA_VISIBLE_DEVICES=-1
python tools/test.py ${CONFIG_FILE} ${CHECKPOINT_FILE} [--out ${RESULT_FILE}] [--eval ${EVAL_METRICS}] [--show] [--show-dir ${SHOW_DIR}]

# 多块显卡测试
./tools/dist_test.sh ${CONFIG_FILE} ${CHECKPOINT_FILE} ${GPU_NUM} [--out ${RESULT_FILE}] [--eval ${EVAL_METRICS}]

示例：
保存模型，可视化预测结果，可视化真实标签，计算 mAP
python tools/test.py configs/pointpillars/hv_pointpillars_secfpnn_6x8_160e_kitti-3d-3class.py \
    work_dirs/hv_pointpillars_secfpnn_6x8_160e_kitti-3d-3class/latest.pth \
    --eval mAP \
    --show --show-dir ./data/show_results \
    --eval-options 'show=True' 'out_dir=./data/scannet/show_results'