服务器配置 minconda3 + Python3.8(ubuntu20.04) + Cuda 11.3
参考链接 官方教程
ubuntu 18.04 从零开始复现 OpenPCDet 训练kitti数据集并评估 可视化 损失函数_openpcdet可视化
一、准备工作
创建环境并激活
conda create -n Openpcdet python=3.8
source activate
conda activate Openpcdet
安装pytorch并检查
conda install pytorch==1.9.1 torchvision==0.10.1 torchaudio==0.9.1 cudatoolkit=11.3 -c pytorch -c conda-forge
检查是否成功安装
conda install ipykernel
python -m ipykernel install --user --name Openpcdet --display-name "Openpcdet"
## 在启动页选择对应的笔记本打开,输入
import torch as tr
device = tr.device('cuda' if tr.cuda.is_available() else 'cpu')
print(device)
>>>cpu
conda list 发现自动安装的cpu版本
更换安装pytorch1.8 ,成功
conda install pytorch==1.8.0 torchvision==0.9.0 torchaudio==0.8.0 cudatoolkit=11.1 -c pytorch -c conda-forge
安装spconv
pip install spconv-cu111 -i https://pypi.tuna.tsinghua.edu.cn/simple
## 测试
import spconv.pytorch as spconv
二、开始
安装
## 下载代码
git clone https://github.com/open-mmlab/OpenPCDet.git
## 安装依赖文件
cd OpenPCDet
pip install -r requirements.txt
## 安装需要的包
python setup.py develop
测试demo(服务器没有可视化界面,这一步暂时跳过了)
数据准备
3.1 通过服务器实例拷贝直接将之前准备好的kitti数据集数据拷贝到当前服务器,组织结构如下所示
OpenPCDet
├── data
│ ├── kitti
│ │ │── ImageSets
│ │ │── training
│ │ │ ├──calib & velodyne & label_2 & image_2 & (optional: planes) & (optional: depth_2)
│ │ │── testing
│ │ │ ├──calib & velodyne & image_2
├── pcdet
├── tools
3.2 建立软链接,需要注意这里源路径一定要是绝对路径,不然运行代码时会找不到数据集位置
ln -s ~/autodl-tmp/KITTI/testing/ ~/OpenPCDet/data/kitti/testing
ln -s ~/autodl-tmp/KITTI/training/ ~/OpenPCDet/data/kitti/training
3.3 生成数据信息
python -m pcdet.datasets.kitti.kitti_dataset create_kitti_infos tools/cfgs/dataset_configs/kitti_dataset.yaml
测试和评估预训练模型
python train.py --cfg_file ./cfgs/kitti_models/pointpillar_pyramid_aug.yaml --batch_size 4 --epochs 50