Lite-Mono-CVPR-2023 代码复现心得

1. 数据集准备

参考monodepth2

2. 环境准备及代码修改

（1）下载monodepth2和litemono的源码；

（2）创建虚拟环境，建议根据cuda版本然后下载torch，然后缺啥补啥，参考环境如下：

        ··GPU：A100

        ··Python版本：3.12

        ··torch版本：2.2.2

        ··linear_warmup_cosine_annealing_warm_restarts_weight_decay：把这个包下载下来，然后把里面的文件夹复制到虚拟环境的site package文件夹里，具体操作：

terminal输入以下代码来确定“sitepackages”文件位置：

python -c "import site; print(site.getsitepackages())

（2）将monodepth2中的splits替换掉litemono的splits；

（3）提前下载好预训练权重，包括resnet的和lite-mono-pretrain的，如图所示。实际训练下来不用lite-mono-pretrain的10个epoch的Abs Rel为0.15x，使用pretrain的为0.11x（接近论文里的0.107）。

 （4）版本问题会引起一些bug，gpt基本都能修改，如：

        ··kitti_utils.py中：np.int要改成int

3. 训练

（1）修改options的一些参数；

（2）terminal运行：

python train.py --data_path path/to/your/data --model_name mytrain --num_epochs 30 --batch_size 12 --mypretrain path/to/your/pretrained/weights  --lr 0.0001 5e-6 31 0.0001 1e-5 31

（3）根据报错改bug....

4. 评估

（1）准备gt_depths.npz

        ··打开monodepth2项目，运行，然后得到npz复制到litmono到splits/eigen下：

python export_gt_depth.py --data_path kitti_data --split eigen

        ··注：这里会因为numpy版本问题报错，修改export_gt_depth.py最后一部分代码：

 np.savez_compressed(output_path, data=np.array(gt_depths, dtype=object), allow_pickle=True)

（2）评估：

python evaluate_depth.py --load_weights_folder path/to/your/weights/folder --data_path path/to/kitti_data/ --model lite-mono

参考链接：

1. litemono代码-CSDN博客

2. Ubuntu深度环境搭建_litemono复现-CSDN博客

3. 复现monodepth2或Lite-Mono时碰到找不到splits\\eigen\\gt_depths.npz_monodepth2复现-CSDN博客