Lidar-AI-Solution/CUDA-BEVFusion环境配置

学习BEVFusion，配置一下环境

首先确定你的显卡型号和性能，我第一次配置环境就找了个算力不够的，配置到最后发现跑不起来很尴尬，然后按照链接先git clone --recursive该工程，然后按说明下载模型和样例数据并解压

https://github.com/NVIDIA-AI-IOT/Lidar_AI_Solution/tree/master/CUDA-BEVFusion

算力要求  Compute Capability >= sm_80

然后按照配置要求安装

• CUDA >= 11.0
• CUDNN >= 8.2
• TensorRT >= 8.5.0
• libprotobuf-dev == 3.6.1
• Python >= 3.6

我装的版本TensorRT-8.6, cuda-11.4 and cudnn8.6，具体安装方法有很多，建议如下：

nvidia驱动/cuda/cudnn/pytorch/tensorRT都可以用下面的链接，cuda等都不建议用deb方式安装，用tar文件安装

从零到一保姆级Ubuntu深度学习服务器环境配置教程_ubuntu深度学习环境_daipuweiai的博客-CSDN博客

对于libprotobuf-dev == 3.6.1的要求，要安装3.6.1的protobuf，但是电脑里已有其他版本的protobuf，需要查看一下都有什么版本
 

$ whereis protoc

protoc: /usr/bin/protoc /usr/local/bin/protoc /home/wh/anaconda3/bin/protoc

$ /usr/bin/protoc --version 

$ /usr/local/bin/protoc

$ /home/wh/anaconda3/bin/protoc

或者直接
 

$ protoc --version

$ sudo protoc --version

显示的版本可能都不一样，conda环境下的就不管了，得把前两个protoc都统一到3.6.1版本的protobuf，按照如下方式安装3.6.1版protobuf

linux安装protobuf3.6.1编译安装_xiaoqiaoliushuiCC的博客-CSDN博客

安装完查看一下版本

$ /usr/local/bin/protoc --version

显示libprotoc 3.6.1

建立软链接

$ sudo ln -s /usr/local/bin/protoc /usr/bin/protoc

更新软链接

$ sudo ldconfig /usr/local/lib

查看一下版本

$ /usr/bin/protoc --version

显示libprotoc 3.6.1

然后按照该工程说明设置environment.sh，接着编译并运行就可以了。