手把手教你跑通EPNet（图像语义增强点特征以进行 3D 对象检测）

跑通EPNet代码

代码地址：https://github.com/happinesslz/EPNet
论文地址：https://arxiv.org/pdf/2007.08856.pdf

---

一、环境配置

Linux (tested on Ubuntu 16.04)
Python 3.6+
PyTorch 1.0+

开始配置EPNet的环境

1.打开终端，激活conda： conda activate

2.创建一个新环境：conda create -n 随便取一个名字 python=3.8

3.激活刚才创建环境:conda activate 随便取的名字

4. 根据你电脑的cuda版本安装torch

点这里进入pytorch官网找到和自己电脑cuda版本对应的torch

在终端输入安装地址：

注意：一定要在你刚才创建的环境下安装！
5. 安装其他的依赖库
打开EPNet文件中的requirements.txt，将torch=1.2.0和torchvision=0.4.0删除（因为之前已经安装了与你cuda版本对应的torch和torchvision，所以这边不需要再重复安装了）将pyyaml改成pyyaml==5.4.1（新版本的pyyaml有一些功能不支持，所以选择安装老版本）

在终端cd到EPNet文件夹下,然后输入pip install -r requirements.txt

6. 修改CPP文件的代码！
很重要！！！要不然会编译失败！！

编译过程要进行以下修改：

主要是改了三个模块的cpp代码。

                PointRCNN/pointnet2_lib/pointnet2/src

                PointRCNN/lib/utils/iou3d/src

                PointRCNN/lib/utils/roipool3d/src

（1）将所有cpp文件中以下代码替换
#define CHECK_CUDA(x) AT_CHECK(x.type().is_cuda(), #x, " must be a CUDAtensor ")
#define CHECK_CONTIGUOUS(x) AT_CHECK(x.is_contiguous(), #x, " must be contiguous ")
#define CHECK_INPUT(x) CHECK_CUDA(x);CHECK_CONTIGUOUS(x)
替换为

#define CHECK_CUDA(x) AT_ASSERTM(x.type().is_cuda(), #x " must be a CUDA tensor")
#define CHECK_CONTIGUOUS(x) AT_ASSERTM(x.is_contiguous(), #x " must be contiguous")
#define CHECK_INPUT(x) CHECK_CUDA(x); CHECK_CONTIGUOUS(x)

//#define CHECK_CUDA(x) AT_CHECK(x.type().is_cuda(), #x, " must be a CUDAtensor ")
//#define CHECK_CONTIGUOUS(x) AT_CHECK(x.is_contiguous(), #x, " must be contiguous ")
//#define CHECK_INPUT(x) CHECK_CUDA(x);CHECK_CONTIGUOUS(x)
 
#define CHECK_CUDA(x) AT_ASSERTM(x.type().is_cuda(), #x " must be a CUDA tensor")
#define CHECK_CONTIGUOUS(x) AT_ASSERTM(x.is_contiguous(), #x " must be contiguous")
#define CHECK_INPUT(x) CHECK_CUDA(x); CHECK_CONTIGUOUS(x)

（2）将所有cpp文件中

以下两行注释
extern THCState *state; 

cudaStream_t stream = THCState_getCurrentStream(state);

修改为：

cudaStream_t stream = c10::cuda::getCurrentCUDAStream();

（3）执行 sh build_and_install.sh

这一部分的修改来源于CSDN博主「花花花哇_」的原创文章，原文链接：https://blog.csdn.net/sinat_39307513/article/details/123741116。感谢「花花花哇_」提供的思路！

以上EPNet的环境和库就全部配置完成了！

二、数据集

在EPNet的文件夹下创建以下的文件夹：

EPNet
├── data
│   ├── KITTI
│   │   ├── ImageSets
│   │   ├── object
│   │   │   ├──training
│   │   │      ├──calib & velodyne & label_2 & image_2 & (optional: planes)
│   │   │   ├──testing
│   │   │      ├──calib & velodyne & image_2
├── lib
├── pointnet2_lib
├── tools

KITTI官网下载以下几个数据集：
下载好之后放入data文件夹下对应的文件当中！

还需要准备训练和测试的文件，我已经准备好了！点击这里下载提取码66td。下载好之后放在 ImageSets文件夹下！
最后单个GPU训练的话输入：

CUDA_VISIBLE_DEVICES=0 python train_rcnn.py --cfg_file cfgs/LI_Fusion_with_attention_use_ce_loss.yaml --batch_size 2 --train_mode rcnn_online --epochs 50 --ckpt_save_interval 1 --output_dir ./log/Car/full_epnet_without_iou_branch/   --set LI_FUSION.ENABLED True LI_FUSION.ADD_Image_Attention True RCNN.POOL_EXTRA_WIDTH 0.2 RPN.SCORE_THRESH 0.2 RCNN.SCORE_THRESH 0.2  USE_IOU_BRANCH False TRAIN.CE_WEIGHT 5.0

两个GPU训练的话输入：

CUDA_VISIBLE_DEVICES=0,1 python train_rcnn.py --cfg_file cfgs/LI_Fusion_with_attention_use_ce_loss.yaml --batch_size 6 --train_mode rcnn_online --epochs 50 --mgpus --ckpt_save_interval 1 --output_dir ./log/Car/full_epnet_without_iou_branch/   --set LI_FUSION.ENABLED True LI_FUSION.ADD_Image_Attention True RCNN.POOL_EXTRA_WIDTH 0.2 RPN.SCORE_THRESH 0.2 RCNN.SCORE_THRESH 0.2  USE_IOU_BRANCH False TRAIN.CE_WEIGHT 5.0

总结

以上就是搭建EPNet环境和训练EPNet的全过程！