在使用OpenPCDet中出现的一些问题汇总

部署运行你感兴趣的模型镜像

一、在nvidia和cuda安装成功的情况下,运行train.py时出现以下报错:

  • RuntimeError: Missing libdevice file
  • ImportError: libcupti.so.11.7: cannot open shared object file: No such file or directory
  • [Errno 2] No such file or directory: ‘:/usr/local/cuda-11.8/bin/nvcc’
  • Unrecognized tensor type ID: AutocastCUDA
  • ERROR: Command errored out with exit status 1:
  • libNVVM cannot be found. Do conda install cudatoolkit: libnvvm.so: cannot
  • ValueError: Unknown CUDA arch or GPU not supported
    这些问题都是由于cuda环境配置没有配置完全,下面是配置方法:
    1、打开~/.bashrc文件
vim ~/.bashrc

2、在文件末尾输入:

export PATH=/usr/local/cuda-11.8/bin:$PATH
export CUDA_HOME=/usr/local/cuda-11.8
export LD_LIBRARY_PATH=/usr/local/cuda-11.8/lib64
export NUMBAPRO_NVVM=/usr/local/cuda-11.8/nvvm/lib64/libnvvm.so
export NUMBAPRO_LIBDEVICE=/usr/local/cuda-11.8/nvvm/libdevice/

3、让配置生效

source ~/.bashrc

二、nuScenes数据集太大,只使用其中一个v1.0-trainval01_blobs.tgz(part 1)进行训练,运行train.py时出现以下报错:\

FileNotFoundError: [Errno 2] No such file or directory: ‘…/data/nuscenes/v1.0-trainval/samples/LIDAR_TOP/n008-2018-08-01-15-16-36-0400__LIDAR_TOP__1533151603547590.pcd.bin’
原因:生成的val.pkl是针对850个场景,所有样本的,在评估的时候会报错:在samples找不到某个数据
解决办法:进入nuscenes.utils.py,在374行进行以下修改:

		# if sample['scene_token'] in train_scenes:
        #     train_nusc_infos.append(info)
        # else:
        #     val_nusc_infos.append(info)
        if sample['scene_token'] in train_scenes:
            train_nusc_infos.append(info)
        elif sample['scene_token'] in val_scenes:
            val_nusc_infos.append(info)
        else:
            pass

您可能感兴趣的与本文相关的镜像

PyTorch 2.5

PyTorch 2.5

PyTorch
Cuda

PyTorch 是一个开源的 Python 机器学习库,基于 Torch 库,底层由 C++ 实现,应用于人工智能领域,如计算机视觉和自然语言处理

使用OpenPCDet进行训练可按以下步骤操作: ### 准备数据集 以KITTI数据集为例,为了快速训练演示,可选取100个数据进行训练。将数据集按照以下目录格式存放: ```plaintext OpenPCDet ├── data │ ├── kitti │ │── ImageSets │ │── training │ │ ├── calib & velodyne & label_2 & image_2 & (optional: planes) & (optional: depth_2) │ │── testing │ │ ├── calib & velodyne & image_2 ├── pcdet ├── tools ``` ### 了解代码结构 OpenPCDet 的代码结构清晰,主要由以下几个部分组成: ```plaintext OpenPCDet ├── cfgs # 配置文件目录 ├── data # 数据处理和加载相关代码 ├── pcdet # 核心库代码 │ ├── datasets # 数据集相关代码 │ ├── models # 模型相关代码 │ ├── ops # 常用操作实现(如 3D 点云操作) │ ├── utils # 工具函数和类 ├── tools # 训练、测试、评估和可视化的脚本 ├── scripts # 辅助脚本(如多 GPU 训练脚本) ├── README.md # 项目简介和使用说明 ``` 其中,`cfgs`目录包含各种模型和数据集的配置文件,这些配置文件定义了模型架构、训练参数、数据处理流程等,通常采用 YAML 格式,便于阅读和修改 [^3]。 ### 训练操作 可使用`tools`目录下的脚本进行训练、测试、评估和可视化等操作,使用`scripts`目录下的辅助脚本可进行多 GPU 训练等。训练前需根据需求在`cfgs`目录下选择或修改合适的配置文件,然后运行相应的训练脚本开始训练。 如果要训练自己的3D点云数据(.pcd格式),可以使用`pypcd`库,步骤如下: 1. 安装`pypcd`库。 2. 准备工作: - 更改`demo.py`文档。 - 准备数据。 3. 进行测试和调试 [^4]。
评论 1
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