自己部署运行PlaneRecNet GitHub - EryiXie/PlaneRecNet: This is an official implementation for "PlaneRecNet" (BMVC 2021).
python3 simple_inference.py --config=PlaneRecNet_101_config --trained_model=weights/PlaneRecNet_101_9_125000.pth --image=data/example_nyu.jpg
但是运行这句出现 cuda相关的报错,这个在虚拟机里面可能就不好弄了
要么去NX上跑跑?
居然没装pytorch?
可能pytorch没法二进制安装 Jetson nx或其他aarch64 使用anaconda虚拟环境构建GPU版本的Pytorch cuda可用的前提下完整教程_nx anaconda-CSDN博客
之前没有指定python版本创建时给我默认的python2.7的,现在我重新创建一个
conda create -n PlaneRecNet1 python=3.8
现在成缺cv2了
现在又回到说缺torch了
那正好可以下这两个 PyTorch for Jetson - Announcements - NVIDIA Developer Forums
似乎是torch与torchvision都得装,看网上的教程 Jetson NX系统烧录以及CUDA、cudnn、pytorch等环境的安装_jetson nx cuda-CSDN博客
安装torchvision可以参考这里,关键是版本要确定好
其实Github这里有给版本对应关系 GitHub - pytorch/vision: Datasets, Transforms and Models specific to Computer Vision
那这样我的torch可以装v2.0的,torchvision装0.15版本的
torchvision的0.15版本又分好多....
我把torch-2.0.0+nv23.05-cp38-cp38-linux_aarch64.whl下下来了
pip install torch-2.0.0+nv23.05-cp38-cp38-linux_aarch64.whl
干脆先下个最新的0.15版本的
git clone --branch v0.15.2 https://github.com/pytorch/vision torchvision cd torchvision python setup.py install --user
ImportError: libopenblas.so.0: cannot open shared object file:No such file or directory-CSDN博客
装torchvision的时间挺长的,但还是装完了
现在再回来运行PlaneRecNet,不说缺torch,变为缺scipy了
ModuleNotFoundError: No module named ‘scipy‘解决方案_modulenotfounderror: no module named 'scipy-CSDN博客
再运行现在说缺权重文件了
权重文件好像得专门在这下
把权重文件下好然后再运行python3 simple_inference.py --config=PlaneRecNet_101_config --trained_model=weights/PlaneRecNet_101_9_125000.pth --image=data/example_nyu.jpg
这个似乎是刚生成的结果
以及深度图
原来仓库里面是没有深度图和检测结果的!!!!!看来它平面检测是建立在深度图的基础之上的?
是否这种深度学习网络对图像分辨率都很敏感。
看来这些基本把环境部署好,权重文件下好,就可以直接运行了,YOLO也是这样。借助于conda解决环境冲突的问题。
我自己又放了一张D435i拍的彩色图片,640*480分辨率的,文件名是image.png
运行下面命令之后
python3 simple_inference.py --config=PlaneRecNet_101_config --trained_model=weights/PlaneRecNet_101_9_125000.pth --image=data/image.png
对应文件夹里面也新增了这两张图片!!!!一个深度图一个平面分割图。这个深度图的效果还是震撼到我了的!!!!真的是太厉害了,佩服佩服,运行时间上,确实在OrinNX上,一张照片也要运行好几秒钟的样子。毕竟权重文件也有一百多M呢。
我看了下图像分辨率是1280720的,不是640480的,有可能是这个影响了它平面的检测效果!!!但似乎不影响深度的检测效果。
============================================================================= PlaneRecNet环境部署运行步骤整理
因为需要CUDA,所以选择在OrinNX上运行
先装anaconda
基于anaconda创建虚拟环境
下PlaneRecNet
装环境
装pytorch torchversion(注意版本对应)
下权重文件
运行