second.pytorch 1.6&1.5.1配置实录

配置second有个大坑，导致按照CSDN上面的博客配置很难成功，就是second有两个版本和spconv两个版本分别对应。

second1.6环境：cuda 10.2/cudnn 8.0.4/pytorch 1.6.0/spconv1.2.1

安装相关依赖包：

conda install pytorch==1.6.0 torchvision==0.7.0 cudatoolkit=10.2 -c pytorch
conda install scikit-image scipy numba pillow matplotlib
pip install fire tensorboardX protobuf opencv-python

1.clone

git clone https://github.com/traveller59/second.pytorch.git
cd ./second.pytorch/second

#克隆时网不好的命令
git config --global http.lowSpeedLimit 0
git config --global http.lowSpeedTime 999999

其实网不好的话可以直接下载压缩包，注意将相对应的超链接的压缩包也下来放在对应的位置就好了，如果clone命令后面有recursive一般就有超链接。

2.安装spconv，只要环境对了，spconv很好装的，参考官网。重点说一下，网上下的（别人编译好的）.whl文件，如果直接pip install安装的话，仍然会报错，需要将build文件夹和dist文件夹删除后，自己重新按步骤生成.whl文件，再安装才可以。

3.单独说一下cmake的安装，这个只要下对安装包也很简单的。

sudo apt-get install libboost-all-dev
# 参考链接安装cmake
# 以下命令安装spconv
python setup.py bdist_wheel 
cd ./dist
pip install

4.设置环境变量。

#官网说second1.6可以不设置这个
export NUMBAPRO_CUDA_DRIVER=/usr/lib/x86_64-linux-gnu/libcuda.so
export NUMBAPRO_NVVM=/usr/local/cuda/nvvm/lib64/libnvvm.so
export NUMBAPRO_LIBDEVICE=/usr/local/cuda/nvvm/libdevice
#如果用的是1.6版本，添加下面这行，这个含义是让Python在这个路径下去找一些自己的写的import包
export PYTHONPATH=<path_to_second>/second.pytorch:$PYTHONPATH
#如果用的是1.5.1版本，添加下面这行
export PYTHONPATH=<path_to_second>/second.pytorch-1.5.1:$PYTHONPATH

5.准备数据集。

#官网是data_path要改成root_path
python create_data.py kitti_data_prep --root_path=KITTI_DATASET_ROOT

6.这个配置信息是我自己改了一点东西以作记录，你们按照官网来就好了。

python create_data.py kitti_data_prep --root_path=/home/gao/KITTI_DATASET_ROOT
# 安装必要的依赖
conda install seaborn psutil
# 训练
python ./pytorch/train.py train --config_path=./configs/pointpillars/modify/ped_cycle_11.03.config --model_dir=./model/20211103
# 验证
python ./pytorch/train.py evaluate --config_path=/configs/pointpillars/modify/ped_cycle_11.03.config --model_dir=./model/20211103 --measure_time=True --batch_size=1

7.可能会报一个错'numpy.float64' object cannot be interpreted as an integer，解决办法是让numpy版本≤17.0或者更改eval文件的704行，如下：

a, b, c = overlap_ranges[:, i, j]  # extracting the three numbers
min_overlaps[:, i, j] = np.linspace(a, b, int(c))  # casting to integer
# min_overlaps[:, i, j] = np.linspace(*overlap_ranges[:, i, j])

second.pytorch 1.6&1.5.1配置实录

猜你喜欢