(一)OpenPCDet 详细完整复现(Pointpillars、Pointrcnn、Second)进行训练,并进行评估和推理可视化

一.  首先创建虚拟环境

conda create -n pcdet  python=3.8

    激活虚拟环境进入创建好的环境

conda activate pcdet

     如需退出当前环境命令为

conda deactivate

      如需重新创建环境,则退出当前环境后,删除环境的命令为

conda remove -n 环境名称 --all

二:安装相应的pytorch,确定当前系统的cuda版本,

nvcc -V #查看cuda版本

则CUDA的运行版本为11.3,查对应的官网安装pytorch的命令如下

pip install torch==1.12.1+cu113 torchvision==0.13.1+cu113 torchaudio==0.12.1 --extra-index-url https://download.pytorch.org/whl/cu113

如果使其他版本,则在 官网:Previous PyTorch Versions | PyTorch去找对应的命令

安装完成后验证是否安装成功在命令行依次输入以下代码:

python

import torch

torch.cuda.is_available()

若返回True,则证明安装成功,退出当前python环境,则输入以下命令

quit()

三:安装相应的spconv

首先根据自身电脑的CUDA版本查找对应的spconv版本,其官网为:https://gitcode.com/gh_mirrors/sp/spconv?utm_source=csdn_github_accelerator&isLogin=1

### OpenPCDet 技术资料与项目 OpenPCDet 是由开放多媒体实验室 (OpenMMLab) 提供的个基于 PyTorch 的开源 3D 目标检测框架,支持多种传感器数据(如 LiDAR 摄像头)的处理分析。以下是关于 OpenPCDet 及其相关技术的些重要信息: #### GitHub 地址 OpenPCDet 的官方 GitHub 地址如下: ```plaintext https://github.com/open-mmlab/OpenPCDet ``` 此仓库提供了完整的文档、教程以及预训练模型,方便开发者快速上手进行研究开发。 #### 安装依赖项 为了正确运行 OpenPCDet,需要安装系列必要的库工具链。具体步骤包括但不限于以下内容: 1. **Python 环境配置** 需要 Python 版本 >= 3.7 推荐使用虚拟环境管理器(如 `conda` 或 `venv`),以隔离不同项目的依赖关系[^1]。 2. **PyTorch TorchVision** 根据硬件设备选择合适的 CUDA 版本来安装 PyTorch TorchVision。例如,对于 NVIDIA GPU 用户,可以安装带有 cu111 支持的版本: ```bash pip install torch==1.9.0+cu111 torchvision==0.10.0+cu111 -f https://download.pytorch.org/whl/torch_stable.html ``` 3. **SPConv 库** SPConv 是种稀疏卷积实现方式,在许多 3D 检测算法中被广泛采用。需根据所使用的 CUDA 版本下载对应 spconv 轮子文件,通过 pip 进行安装[^2]: ```bash pip install spconv-cu111.whl ``` 4. **其他依赖包** 使用 `requirements.txt` 文件来解决剩余依赖问题: ```bash git clone https://ghproxy.com/https://github.com/open-mmlab/OpenPCDet.git cd OpenPCDet pip install -r requirements.txt python setup.py develop ``` #### 测试安装是否成功 完成上述操作后,可以通过执行简单的脚本来验证安装情况。比如导入模块打印版本号: ```python import open3d as o3d print(o3d.__version__) ``` 如果切正常,则说明基础环境已准备就绪。 #### 示例代码片段 下面展示了个基本的数据加载过程作为参考: ```python from pcdet.datasets import DatasetTemplate dataset = DatasetTemplate(dataset_cfg=cfg.DATA_CONFIG, class_names=cfg.CLASS_NAMES, training=True) data_dict_list = dataset.collate_batch(batch_size=[example]) ``` --- ###
评论 13
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值