LaneATT算法环境配置及训练过程总结

00后小车工

已于 2023-08-02 15:55:52 修改

阅读量1.1k

点赞数 2

分类专栏： LaneATT 文章标签： ubuntu 自动驾驶目标检测

于 2023-03-29 15:29:23 首次发布

本文链接：https://blog.csdn.net/weixin_64281190/article/details/129716093

版权

LaneATT 专栏收录该内容

1 篇文章 0 订阅

订阅专栏

本人研一小白，最近对车道线检测算法比较感兴趣，于是尝试复现了LaneATT算法。这是我尝试复现的第一个车道线检测算法，所以整个过程十分坎坷，经过十天左右的摸索与尝试才成功复现。这篇博客主要用于记录自己的复现过程，如果大家有相似的问题可以参考。

我将会分为两部分来记录自己学习LaneATT的过程，第一部分就是本文，即LaneATT算法环境配置及训练过程总结，第二部分是对LaneATT算法论文的理解与分析。

一、环境配置

系统的选择

由于Github源码（下有链接）并未提示用什么系统，我最开始选择的是windows10系统。但是尝试了几天后发现，windows系统实在是太容易报错了，环境配置实在是配不好（也有可能是我自己太菜了），一个接一个的错误，最后我放弃了windows系统，选择了Ubuntu系统，果然整个过程的报错要少很多。我的系统版本是Ubuntu18.04。

Github源码网址：https://github.com/lucastabelini/LaneATT

配置过程

大致过程分为以下六个步骤，接下来我详细叙述一下。


git clone https://github.com/lucastabelini/LaneATT
conda create -n laneatt python=3.8 -y
conda activate laneatt
conda install pytorch==1.6 torchvision -c pytorch
pip install -r requirements.txt
cd lib/nms; python setup.py install; cd -

2.1 代码下载

在ubuntu系统中打开终端，直接输入第一步指令（即git clone https://github.com/lucastabelini/LaneATT）即可下载成功。

2.2 前期准备

在进行第二步指令之前，需要下载一些软件和框架作为前期准备工作。

首先，需要下载Anaconda3。我是完全按照这一篇博客：Ubuntu18.04系统Anaconda3安装（详细教程）进行安装，过程顺利，没有出错。

对于Ubuntu系统，需要安装显卡驱动。安装完显卡驱动之后，再安装CUDA10.2以及对应版本的cuDNN。可以按照这篇博客一步一步来安装：Ubuntu 18.04 安装NVIDIA显卡驱动+cuda 10.2+cudnn 注意，Github源码中要求的是CUDA10.2（如下图所示），建议尽量按照官方建议版本下载。

2.3 创建虚拟环境

在终端中输入第二行指令（即conda create -n laneatt python=3.8 -y）。其中，laneatt代表所创建的虚拟环境的名字，你也可以换成其它名字。我为了方便记忆，就没改动。

命令执行成功后，一个名为laneatt的虚拟环境就创建好了。

2.4 进入虚拟环境

在终端中输入第三行指令（即conda activate laneatt），即可从最基础的base环境中进入到自己创建的laneatt环境中了。

2.5 安装pytorch和torchvision

在终端中输入第四行指令（即conda install pytorch==1.6 torchvision -c pytorch），即可成功下载pytorch1.6和torchvision0.7.0。

2.6 安装其它必要的包。

其它必要的包都在requirements.txt中，首先在终端cd进requirements.txt所在的文件夹下，再执行第五行命令即可下载。下载过程中可能会出错或者下载不了，这时可以选择用清华源或其它源安装。

即把命令改为：pip install -i https://pypi.tuna.tsinghua.edu.cn/simple -r requirements.txt

即可下载成功。

2.7 安装nms

首先在终端cd进nms文件夹下，然后再输入最后一步指令（即python setup.py install）即可配置成功。

若出现‘SetuptoolsDeprecationWarning: setup.py install is deprecated. Use build and pip and other standards-based tools.’的错误，按照下图提示输入指令进行操作即可（下载过程中可能仍然需要清华源下载）。

当出现以下提示时，则代表LaneATT环境配置成功。

训练(以CUlane数据集为例)

首先，下载CULane数据集。作为一个常用的开源数据集，网上链接很多，内容都是一样的，大家随便选一个下载就好。总共有四十多G，先预留出空间，防止内存不足。下载之后，将里面的八个文件夹放到/LaneATT/lib/datasets/culane路径下，如下图所示（我记得名为culane的文件夹是需要自己在datasets下创建的）。

之后就可以在终端内执行指令进行训练和测试啦。训练和测试指令分别如下：


python main.py train --exp_name laneatt_r34_culane --cfg cfgs/laneatt_culane_resnet34.yml
python main.py test --exp_name laneatt_r34_culane --view all

我训练的时候会遇到一种奇怪的错误：No such file or directory:'datasets/culane/list/train.txt'。

在这卡了好长时间，最后还是师弟给我提供了解决方法：将lanatt_culane_resnet18.yml文件中的数据集路径重新设置正确。如下图所示：