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
打工仔折腾 AI13 小时前
在 Ubuntu ARM64 部署 Q1 V3.0 MuJoCo 模型:加载、单步推理与执行器响应解析
linux·运维·人工智能·python·深度学习·ubuntu·性能优化
陈嘿萌19 小时前
Fusion Anything Model:面向通用多模态融合的基座模型
图像处理·人工智能·深度学习·计算机视觉·学术研究与理论基础
老鱼说AI20 小时前
SNN脉冲神经网络:全连接、卷积与循环SNN
人工智能·深度学习·神经网络·机器学习·自然语言处理
程序猿编码20 小时前
纯 C++ 手写 LLM 推理引擎:分页 KV 缓存、连续批、多卡张量并行全部内置
c++·深度学习·缓存·大模型推理·自动微分·模型推理
在所不辞兄20 小时前
【零基础学智能仿真-62】从应变—应力计算弹性常数
人工智能·深度学习·神经网络·机器学习·有限元·智能仿真
STLearner21 小时前
KDD 2026 | (2月轮)时空数据(Spatial-Temporal)论文总结时空【下】(人群移动,城市科学(资源调度,)
大数据·人工智能·python·深度学习·机器学习·语言模型·数据挖掘
数聚天成DeepSData1 天前
第三方地图工具导出的 Landsat 影像,使用条件和 USGS 官方下载的一样吗
人工智能·深度学习·机器学习·数据集·deepsdata
Felaim1 天前
【SLAM】人形机器人 VLN 相机与传感器配置调研
slam·传感器·人形机器人·vln·相机选型
啥都鼓捣的小yao1 天前
Vision Transformer(ViT)深入浅出
人工智能·深度学习·transformer
计算机毕业编程指导师1 天前
计算机毕设推荐:基于深度学习的动物图像识别方法研究(Python+Django+PyTorch)
pytorch·python·深度学习·计算机·毕业设计·课程设计·图像识别