服务器安装Openpcdet

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

Openpcdet 安装过程

一、准备工作

1. 创建环境并激活

conda create -n Openpcdet python=3.8
source activate
conda activate Openpcdet

2. 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

可能原因 参考1，参考2，参考3

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 

3. 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

1. 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

2. 测试demo（服务器没有可视化界面，这一步暂时跳过了）

3. 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

4. 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