ubuntu18.04 RTX3060 rangnet++训练 bonnetal语义分割

代码链接: https://github.com/PRBonn/lidar-bonnetal

安装anaconda环境为

CUDA 11.0(11.1也可以)

anaconda环境如下

c 复制代码
numpy==1.17.2 
torchvision==0.2.2
matplotlib==2.2.3
tensorflow==1.13.1
scipy==0.19.1
pytorch==1.7.1
vispy==0.5.3
opencv_python==4.1.0.25
opencv_contrib_python==4.1.0.25
Pillow==6.1.0
PyYAML==5.1.1

修改anaconda,换源

c 复制代码
gedit ~/.condarc 

更换文件信息

c 复制代码
channels:
  - http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch
  - http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2
  - http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/pro
  - http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
  - http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free
  - defaults
show_channel_urls: true
default_channels:
  - http://mirrors.aliyun.com/anaconda/pkgs/main
  - http://mirrors.aliyun.com/anaconda/pkgs/r
  - http://mirrors.aliyun.com/anaconda/pkgs/msys2
custom_channels:
  conda-forge: http://mirrors.aliyun.com/anaconda/cloud
  msys2: http://mirrors.aliyun.com/anaconda/cloud
  bioconda: http://mirrors.aliyun.com/anaconda/cloud
  menpo: http://mirrors.aliyun.com/anaconda/cloud
  pytorch: http://mirrors.aliyun.com/anaconda/cloud
  simpleitk: http://mirrors.aliyun.com/anaconda/cloud

安装指令

c 复制代码
conda install numpy==1.17.2   Pillow==6.1.0 PyYAML==5.1.1 matplotlib==2.2.3 vispy==0.5.3

其中pytorch、torchvision、torchaudio、一起安装。指令如下

c 复制代码
conda install pytorch==1.7.1 torchvision==0.8.2 torchaudio==0.7.2 cudatoolkit=11.0 -c pytorch

安装和查看python opencv版本 指令

c 复制代码
pip install opencv-python==4.1.0.25
pip install opencv-contrib-python==4.1.0.25

python
import cv2
cv2.__version__
或者
conda list

下载数据集链接

官方地址:http://www.semantic-kitti.org/dataset.html#overview

其中80G激光雷达数据的链接:https://pan.baidu.com/s/1OjoWrwE8xIrCmYO2hujJNw 提取码:6381

标签数据在官方地址第三个的179M。

参考博客:https://blog.csdn.net/BIT_HXZ/article/details/123539476

将80G的激光雷达数据文件和标签文件放在一起,(只取前10个数据)如下图所示



运行训练指令如下

c 复制代码
cd xx/xx/xx/semantic
mkdir log
./train.py -d dataset/ -ac config/arch/darknet21.yaml -l log

运行可能有bug,修改文件 lidar-bonnetal-master/train/tasks/semantic/dataset/kitti/parser.py

将unproj_xyz[:unproj_n_points] = torch.from_numpy(scan.points)

改为unproj_xyz[:unproj_n_points] = torch.Tensor(scan.points)

有好几处

torch.from_numpy改为torch.Tensor

相关推荐
点云SLAM37 分钟前
CVPR 2024 人脸方向总汇(人脸识别、头像重建、人脸合成和3D头像等)
深度学习·计算机视觉·人脸识别·3d人脸·头像重建
ZzYH222 小时前
文献阅读 250125-Accurate predictions on small data with a tabular foundation model
人工智能·笔记·深度学习·机器学习
FL16238631292 小时前
汽车表面划痕刮伤检测数据集VOC+YOLO格式1221张1类别
深度学习·yolo·汽车
种花生的图图3 小时前
《边界感知的分而治之方法:基于扩散模型的无监督阴影去除解决方案》学习笔记
人工智能·笔记·深度学习·学习·机器学习
Francek Chen5 小时前
【深度学习基础】多层感知机 | 数值稳定性和模型初始化
人工智能·pytorch·深度学习·神经网络·参数初始化·梯度消失和爆炸
Francek Chen16 小时前
【深度学习基础】多层感知机 | 权重衰减
人工智能·pytorch·深度学习·神经网络·多层感知机·权重衰减
热爱编程的OP16 小时前
全连接神经网络(前馈神经网络)
人工智能·深度学习·神经网络
pchmi16 小时前
深度学习VS机器视觉
人工智能·深度学习·opencv·计算机视觉
Yuleave18 小时前
Kimi k1.5:基于大语言模型的多模态强化学习训练技术报告
人工智能·深度学习·语言模型
跟德姆(dom)一起学AI19 小时前
0基础跟德姆(dom)一起学AI 自然语言处理22-fasttext文本分类
人工智能·python·深度学习·自然语言处理·分类·transformer