HAIS环境搭建

GitHub地址：GitHub - hustvl/HAIS: Hierarchical Aggregation for 3D Instance Segmentation (ICCV 2021)

我的配置：

Ubuntu 18.04.6

显卡：RTX3090

cuda：11.7

1) Environment

首先创建一个虚拟环境并激活

conda create -n hais python=3.7
conda activate hais

2) 克隆项目

git clone https://github.com/hustvl/HAIS.git --recursive

3) 安装依赖包

cd HAIS
pip install -r requirements.txt #注意把文档里面的第一行删掉，我们要自己指定torch版本
conda install -c bioconda google-sparsehash

注意根据你的显卡、cuda版本来安装pytorch，我这里用的是conda命令，我pip安装的最终无法运行训练。

conda install pytorch==1.8.0 torchvision==0.9.0 torchaudio==0.8.0 cudatoolkit=11.1 -c pytorch -c conda-forge

4) 安装编译 spconv ，这一步应该是最容易出问题的。

• spconv 1.0，兼容CUDA < 11和pytorch < 1.5，默认情况下已经在步骤2中递归地克隆到HAIS/lib/spconv中。对于更高版本的CUDA和pytorch，建议使用spconv 1.2。用spconv的这个分支替换HAIS/lib/spconv。

这里我的cuda版本11.7和pytorch1.8要求必须安装spconv1.2版本，于是要先执行git操作，替换掉原代码中的spconv文件夹。如果执意要用作者给出的1.0版本 编译会报错的。

git clone https://github.com/outsidercsy/spconv.git --recursive 

• 安装依赖.

conda install libboost
conda install -c daleydeng gcc-5 # (optional, install gcc-5.4 in conda env)

• 编译 spconv library.

cd HAIS/lib/spconv
python setup.py bdist_wheel

• 安装生成的 .whl file.

cd HAIS/lib/spconv/dist
pip install {wheel_file_name}.whl

5) 编译额外的C++ and CUDA ops.

cd HAIS/lib/hais_ops
export CPLUS_INCLUDE_PATH={conda_env_path}/hais/include:$CPLUS_INCLUDE_PATH
python setup.py build_ext develop

{conda_env_path} is the location of the created conda environment, e.g., /anaconda3/envs.