项目
-
论文:Unsupervised Scale-consistent Depth and Ego-motion Learning from Monocular Video
运行环境
- 系统:ubuntu 16.04 64位
- GPU:GeForce RTX 2070 SUPER
- Python 3.7
- Pytorch
具体步骤
一.下载anaconda
1.进入anaconda主页
2.选择Download,然后将页面下拉看到下载选项:3.因为我是ubuntu系统,所以选择64-Bit(X86) Installer
4.下载成功后对.sh文件进行解压,之后输入bash ~/Downloads/Anaconda3-2020.07-Linux-x86_64.sh
即可让其自动安装,期间已知按空格和yes即可.
这边补充一些anaconda的常用命令
conda list 显示自己已安装包
conda create -n env_name(自己写名字) python=3.7(版本号) 创建虚拟环境
source activate env_name 激活虚拟环境
deactivate 退出虚拟环境
conda env list 查看已有虚拟环境
conda install ~ 安装包
conda remove ~ 卸载包
conda update 更新
转自 https://blog.csdn.net/qq_45049586/article/details/104545860
二.安装依赖项
1.使用git clone https://hub.fastgit.org/ClementPinard/SfmLearner-Pytorch.git
将代码拷贝到/home目录下
2.在终端输入 conda create -n python3 python=3.7
创建python3.7的虚拟环境
3.在终端输入source activate python3
激活虚拟环境
4.在代码目录下运行pip3 install -r requirements.txt
,(注意requirements.txt是SC-SfMLearner-Release中的文件)让其自动安装依赖项
5.如果安装速度慢可以修改pip的源
6.如果中途出现安装超时或者失败了,换源之后继续上一步安装
三.准备数据集
选项一:科学上网
1.科学上网
2.进入网址http://www.cvlibs.net/download.php?file=raw_data_downloader.zip,填写邮箱帐号获取下载链接.然后在邮箱登入下载链接下载
选项二:用官方给的训练数据集训练
比如可以用kitti_256
下载后的文件有这些,一共有40个G:
注意一定要有这个train.txt和val.txt文件,它的目的是指给训练网络用哪些文件进行训练,哪些文件做验证.
四.执行训练程序
我这里用训练深度图作为例子:
1.修改train_resnet18_depth_256.sh文件中的默认路径
- 终端cd到目标所在目录,使用
sudo gedit train_resnet18_depth_256.sh
, - 修改DATA_ROOT=你下载数据集的路径
- 修改TRAIN_SET=$DATA_ROOT
2.cd到程序所在目录,执行训练程序 sh scripts/train_resnet18_depth_256.sh
如果出现问题`:RuntimeError: cuDNN error: CUDNN_STATUS_NOT_INITIALIZED`
执行 `sudo apt install nvidia-cuda-toolkit` 即可
此时我们的程序开始进行训练阶段