Uniad复现学习

在优云智算compshare平台部署训练,加速训练。

关于UCloud(优刻得)旗下的compshare算力共享平台

UCloud(优刻得)是中国知名的中立云计算服务商,科创板上市,中国云计算第一股。

UCloud(优刻得)旗下的Compshare算力共享平台具有以下优点:

  1. 高性价比的算力资源:Compshare专注于提供高性价比的NVIDIA RTX 40系列资源,满足AI应用、模型推理/微调、科学计算等多场景需要。

  2. 100% GPU性能:通过GPU显卡直通技术,确保用户能够充分利用GPU的性能,相比传统容器形式,性能损耗降低了30%。

  3. 独立IP配备:每个Compshare实例都配备了独立的外网IP地址,使得服务器资源管理变得更加方便和灵活。

  4. 访问加速:支持对GitHub和Hugging Face等学术资源的访问加速,用户无需进行复杂的配置,即可快速拉取所需的学术资源。

  5. 灵活的配置选项:提供了多种GPU数量和配置的选项,从1GPU到8GPU不等,CPU内存从16C64GB到124C940GB,系统盘均为200GB的SSD云盘,网络为100MB的共享带宽。

这些优点使得Compshare算力共享平台成为AI研究者和开发者的优选平台之一。

UniAD 首次将所有检测,跟踪,建图,轨迹预测,占据栅格预测与规划都包含进来,ALL IN ONE

本次使用它也是因为有体验,有教程,方便
优云智算compshare

链接:https://www.compshare.cn/?ytag=GPU_daxiblog_Lcsdn_csdn

注册即可获得20元算力金,免费体验10小时4090

自动驾驶系统可大致归为三类:

  1. 模块化:每个模型负责单独的子任务,优势在于易于调试迭代 ,但是解耦就会丢失最优性,各个模块的优化目标并不是以驾驶为最终目标 ,并且每个模块的误差会传递到之后的模块。
  2. 多任务模块:多任务范式利用一个共享的特征提取器来完成多个子任务,好处是节省计算成本,缺点在于不同任务之间可能会存在负面影响。
  3. 端到端:端到端范式以最终的驾驶性能为目标,具体又可以细分为两种范式:
    3.1 隐式的端到端 :以传感器数据作为输入,直接输出规划或者控制指令。这种范式的好处是较为简洁,缺点是缺乏可解释性,难以调式及迭代。
    3.2显式端到端:是将多个模块囊括在端到端模型之中,每个模块有各自的输出,并且会将提取到的特征传递到下游任务。




cpp 复制代码
复现第一天遇见问题,作者环境算CUDA11.1+ torch1.91版本,而我安装的CUDA12.1,导致后续版本都不一样,导致安装 mmcv-full、mmdet、mmsegmentation版本出错。
问题2:准备安装在docker里,但是docker换了很多源下载都很慢,可能文件较大,而且及时我复现了本机也不一定能跑,于是在云平台复现。
准备在云平台从新安装显卡驱动,cuda,cudnn和原作者适配的版本。
首先安装三件套 https://hermit.blog.csdn.net/article/details/139618350
下载数据集 可能涉及要传进云里 文件大于5G 果然需要额外下载存储工具,讲本地文件挂载到云上 https://docs.ucloud.cn/ufile/tools/us3fs/prepare
然后跟着官方dockerfile里本地安装

安装完显卡驱动若nvidia-smi还是没有,则重启即可
wget https://developer.download.nvidia.com/compute/cuda/11.1.1/local_installers/cuda_11.1.1_455.32.00_linux.run
sudo sh cuda_11.1.1_455.32.00_linux.run

注意sh的时候 在弹出的框中取消勾选,不需要再次安装显卡驱动,不然报错
结果GCC版本问题 太高了 报错
https://blog.csdn.net/yehe111/article/details/115370164
sudo update-alternatives --install /usr/bin/gcc gcc /usr/bin/gcc-9 1 --slave /usr/bin/g++ g++ /usr/bin/g++-9
说明:里面的1 代表优先级,把gcc9 设置成1 代表gcc9 优先级更高

然后添加CUDA环境变量 sudo gedit ~/.bashrc
apt-get update -q && \
    apt-get install -q -y \
    wget \
    python3.8-dev \
    python3-pip \-
    python3.8-tk \
    git \
    ninja-build \
    ffmpeg libsm6 libxext6 libglib2.0-0 libsm6 libxrender-dev libxext6 \
    && apt-get clean \
    && rm -rf /var/lib/apt/lists/*

安装好了miniconda3 运行conda 报错conda: command not found   要source ~/.bashrc

不能按照这个教程里的安装cuda和pytorch https://blog.csdn.net/lovely_yoshino/article/details/139867558
版本和论文作者的不对 要看dockerfile
pip install torch==1.9.1+cu111 torchvision==0.10.1+cu111 torchaudio==0.9.1 -f https://download.pytorch.org/whl/torch_stable.html


我是python3.10 原文是3.8 不知会不会有问题??
要自己 新建data 下载数据集 放入或者软连接 
Download nuScenes, CAN_bus and Map extensions
cd UniAD
mkdir data
#Download nuScenes V1.0 full dataset data directly to (or soft link to) UniAD/data/
#Download CAN_bus and Map(v1.3) extensions directly to (or soft link to) UniAD/data/nuscenes/

Prepare Motion Anchors
cd UniAD/data
mkdir others && cd others
wget https://github.com/OpenDriveLab/UniAD/releases/download/v1.0/motion_anchor_infos_mode6.pkl

使用优云智算平台 激励	
https://iadagxzituk.feishu.cn/share/base/form/shrcnxWcOvNV6DSlLXwCw9NOUAc 



报错
 module 'numpy.typing' has no attribute 'NDArray'
AttributeError:     module 'numpy.typing' has no attribute 'NDArray'NumpyArray = npt.NDArray[Any]
更新numpy大于1.20

print(torch.cuda.is_available())输出 false 但是nvcc -V可以输出版本
相关推荐
哈尔滨张谦蛋44 分钟前
兰州大学 · 甘肃省可穿戴装备重点实验室 · 2027年博士招生
人工智能·深度学习
蒸蒸yyyyzwd1 小时前
后端学习笔记,设计模式相关以及微服务相关
笔记·学习
Hhy_11071 小时前
《C++深度解构07》手撕 vector —— 从底层三指针架构到迭代器失效彻底吃透
c语言·开发语言·c++·学习·visual studio
艾莉丝努力练剑2 小时前
【QT】系统相关:TCP的API介绍
开发语言·前端·c++·人工智能·qt·学习·tcp/ip
chh56312 小时前
从 BERT 到大模型:让模型从“会接龙”到“会回答
人工智能·深度学习·bert
yiangL_16 小时前
Python 学习笔记:递归、turtle绘图、字符串与函数
笔记·python·学习
优化Henry18 小时前
LTE 站点 S1 链路反复闪断导致小区频闪退服故障排查
运维·网络·学习·信息与通信·tdd
汤姆宝库20 小时前
RoPE旋转位置编码的实现与长上下文外推
python·深度学习·机器学习
tellmewhoisi21 小时前
深度学习0:数学知识:(L1正则化和L2正则化)
人工智能·深度学习