ubuntu20.04配置并复现RandLA-Net网络（非ROS）版本

一、配置环境

1、下载代码

git clone --depth=1 https://github.com/QingyongHu/RandLA-Net && cd RandLA-Net

2、创建虚拟环境

conda create -n randlanet python=3.6
conda activate randlanet

3、安装tensorflow

由于3090显卡只支持 tensorflow 2.x 版本，而该网络是基于 tensorflow 1.x 编写的，所以我们安装了nvidia官方维护适用于3090显卡的 tensorflow 1.x 版本，安装连接：

RTX3080+Ubuntu18.04+cuda11.1+cudnn8.0.4+TensorFlow1.15.4+PyTorch1.7.0环境配置

 4、安装算法依赖库

这些库的版本可根据自己的环境有所调整，不过最好还是按照官方给出的版本来安装

numpy==1.16.1
h5py==2.10.0
cython==0.29.15
open3d-python==0.3.0
pandas==0.25.3
scikit-learn==0.21.3
scipy==1.4.1
PyYAML==5.4

5、编译

sh compile_op.sh

6、下载预训练模型

二、训练S3DIS数据集

1、下载S3DIS数据集，我放在了~/data目录下，

/home/abc/data/S3DIS/Stanford3dDataset_v1.2_Aligned_Version

2、生成数据集所需文件，此 .py 文件中需要修改成自己的数据集路径，就是上面所说的那样，运行次代码能在 /home/abc/data/S3DIS/ 目录下生成 input_0.040 和 original_ply

python utils/data_prepare_s3dis.py

3、训练数据集

详细语句可以看 jobs_6_fold_cv_s3dis.sh 文件，可以像官方一样一次性运行整个文件，训练所有数据集，也可以只运行该文件中的一行语句，只训练所需的数据集

整体：

sh jobs_6_fold_cv_s3dis.sh

分别训练：

python -B main_S3DIS.py --gpu 0 --mode train --test_area 1
python -B main_S3DIS.py --gpu 0 --mode train --test_area 2
python -B main_S3DIS.py --gpu 0 --mode train --test_area 3
python -B main_S3DIS.py --gpu 0 --mode train --test_area 4
python -B main_S3DIS.py --gpu 0 --mode train --test_area 5
python -B main_S3DIS.py --gpu 0 --mode train --test_area 6

4、预测数据集

同上

python -B main_S3DIS.py --gpu 0 --mode test --test_area 1
python -B main_S3DIS.py --gpu 0 --mode test --test_area 2
python -B main_S3DIS.py --gpu 0 --mode test --test_area 3
python -B main_S3DIS.py --gpu 0 --mode test --test_area 4
python -B main_S3DIS.py --gpu 0 --mode test --test_area 5
python -B main_S3DIS.py --gpu 0 --mode test --test_area 6

训练和预测会生成 txt 文件，是终端所打印出来的内容

5、6倍交叉验证

将 test 文件夹下生成的相对应的 val_preds 放在 data下自创的 result 文件中，在代码中路径具体到val_preds，由于训练这6个数据集生成文件名相同，都是 val_preds ，所以我把带有日期的整个文件夹都复制过去，以后在代码中修改成合适路径就行

生成文件目录：

data 目录：

最后执行命令：

python utils/6_fold_cv.py