简单记录一下。
1、配置、训练步骤
可以新建一个虚拟环境，专门跑laneatt算法，方便管理。
新建之后切换到该虚拟环境（博主的是叫laneatt）执行：
conda instasll pytorch torchvision torchaudio cudatoolkit=11.1 -C pytorch -c nvidia
执行完毕之后可输入：
python
import torch
print(torch.__version__)
以及：
nvcc -V
查看安装的pytorch以及cuda是否安装成功，输出分别为其版本。注意cuda安装后要在配置bashrc中添加或更改如下信息。
接下来就可以在laneatt源码目录下执行环境安装等了：
目录/LaneATT-main/lib/nms下执行：
python setup.py install
扫描二维码关注公众号，回复：
14649131 查看本文章
安装成功后如图：
2、训练预测结果
训练了两个数据集：CULane Datasets、Tusimple。
culane数据集主要针对直线型车道的预测；
上图也是culane训练后的模型预测结果，但其对于曲线型车道的预测相对弱势：
像这种略带弯曲的直线车道只检测出了一部分，而对于更为弯曲的车道直接停摆：
此时可通过Tusimple训练后的模型进行预测效果就很奈斯：
当然这和两个数据集本身的特点也有关系。
欢迎大家评论区和私信博主沟通噢。如果想直接要权重文件进行测试的同学也可以私信博主（非无偿）。