MM3D框架中使用NuScenes的mini数据集跑通center point(包括环境配置)

我对于center point的复现进行了两次,一次是跑center point的源码,将mm3d引入。这种方式相对来说比较困难,在环境配置这一块我觉得很复杂,所以没有过多的介绍。另一次是配置mmdetection3d的框架,在框架里面去跑center point。这一种方法相对于来说比较简单,而且MM3D框架完整且相对简单,比较容易上手。故这篇博客将详细的介绍如何在上述框架中去跑通center point。

一、MM3D环境配置(ubuntu系统)

首先那些必须的显卡驱动、conda等我就不介绍怎么安装了。记得在终端输入nvidia-smi查看最高支持的cuda版本,\geq11.7就可以继续安装。

1、创建并激活虚拟环境(使用3.10版本)

conda create -n mm3d python=3.10
conda activate mm3d

2、安装pytorch(这一步最重要,一定要安装版本对应的,不然后面都是白搭),我安装的是1.13.1版本的

conda install pytorch==1.13.1 torchvision==0.14.1 torchaudio==0.13.1 pytorch-cuda=11.7 -c pytorch -c nvidia

是否匹配的验证方法:

①打开cmd,依次输入python;import torch;torch.cuda.is_available()。结果是true就是匹配

②直接安装之后输入:

python -c 'import torch;print(torch.__version__);print(torch.cuda.is_available());print(torch.backends.cudnn.is_available());print(torch.version.cuda);print(torch.backends.cudnn.version())'

结果为:1.13.1;TURE;TURE;11.7;8500就是安装成功

3、其他工具

安装openmim,用于启动和安装 OpenMMLab 项目及其扩展

pip install openmim==0.3.9

安装mmengine,用于训练深度学习模型的基础库

pip install mmengine==0.10.1

安装MMCV

pip install mmcv==2.1.0 -f https://download.openmmlab.com/mmcv/dist/cu117/torch1.13/index.html

安装MMdetection

pip install mmdet==3.2.0

4、安装MMDetection3d

从github上面克隆源码

git clone https://github.com/open-mmlab/mmdetection3d.git -b dev-1.x

然后继续输入:

pip install -r requirements.txt

pip install -e .

5、验证安装成功

依次顺序输入:

mim download mmdet3d --config pointpillars_hv_secfpn_8xb6-160e_kitti-3d-car --dest .

python demo/pcd_demo.py demo/data/kitti/000008.bin pointpillars_hv_secfpn_8xb6-

160e_kitti-3d-car.py hv_pointpillars_secfpn_6x8_160e_kitti-3d-car_20220331_134606-d42d15ed.pth --show

出现以下界面即为安装成功:

二、center point运行

1、数据集准备

在官网上下载nuscenes数据的"v1.0-mini"版本,这个网上教程很多,下载下来应该是:有maps、samples、sweeps、v1.0-mini四个文件夹就可以。

注意:下载下来的数据文件夹要放在mmdetection3d/data路径下

2、数据集预处理

在pycharm终端运行:

python tools/create_data.py nuscenes --root-path ./data/nuscenes --out-dir ./data/nuscenes --extra-tag nuscenes

这是官网给的运行代码,然后重点来了,必然会报错:

AssertionError: Database version not found: ./data/nuscenes/v1.0-trainval

意思就是找不到v1.0-trainval,两个解决办法,要么重命名,要么改配置文件。前一个我试了很麻烦,就是把v1.0-mini复制下来改成v1.0-trainval,但是后面又会有新的报错,不推荐。后一个解决方法两步:

就是把上面提到的两个地方都改成v1.0-mini即可。

最后会生成:

要用的就是那三个pkl文件。

3、运行center point

在终端输入:

python tools/train.py configs/centerpoint/centerpoint_voxel0075_second_secfpn_8xb4-cyclic-20e_nus-3d.py

前面的是固定的,centerpoint_voxel0075_second_secfpn_8xb4-cyclic-20e_nus-3d是我选定的使用的配置文件,这个你可以根据mmdetection3d/configs/centerpoint里面的配置文件去选择,哪个都可以。直接运行,那么现在程序应该可以跑了。

有问题欢迎评论区交流~

  • 14
    点赞
  • 20
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
训练自己的3D数据集需要进行以下步骤: 1. 环境搭建:根据引用\[1\]的指引,安装所需的依赖库,并编译相关组件。 2. 数据集准备:将自己的3D数据集转换成COCO格式的数据集。可以参考引用\[2\]的博客文章,将数据集转换成train.json、val.json和test.json文件,并将这些文件放置在CenterNet工程的data文件夹下的相应位置。 3. 自定义数据集类:在CenterNet工程的src/lib/datasets/dataset文件夹下创建一个新的.py文件,例如"myDataset.py",并根据自己的数据集特点修改文件内容。可以参考引用\[2\]的示例,将COCO类改为自定义的数据集类名,修改num_classes为自己数据集的类别数,设置default_resolution为适当的分辨率,以及根据自己数据集计算并设置mean和std。 4. 模型训练:使用CenterNet提供的训练脚本进行模型训练。运行以下命令: ``` python main.py ctdet --exp_id my_exp --dataset myDataset --batch_size 8 --lr 1.25e-4 --gpus 0,1,2,3 ``` 其,--exp_id用于指定实验ID,--dataset用于指定数据集名称,--batch_size用于指定批量大小,--lr用于指定学习率,--gpus用于指定使用的GPU。 5. 模型评估:使用训练好的模型对测试集进行评估。运行以下命令: ``` python test.py ctdet --exp_id my_exp --dataset myDataset --resume --gpus 0 ``` 其,--resume用于指定是否从已保存的模型恢复训练,--gpus用于指定使用的GPU。 请注意,以上步骤仅为大致指引,具体操作可能因实际情况而有所不同。建议参考CenterNet的官方文档和示例代码进行更详细的操作。 #### 引用[.reference_title] - *1* *2* [CenterNet训练自己的数据集](https://blog.csdn.net/weixin_43384257/article/details/103127958)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^control,239^v3^insert_chatgpt"}} ] [.reference_item] - *3* [(最新版本)如何在CenterNet上训练自己的数据集?](https://blog.csdn.net/weixin_43509263/article/details/100799415)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^control,239^v3^insert_chatgpt"}} ] [.reference_item] [ .reference_list ]

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值