【MMDetection系列】遇到的BUG汇总


前言

记录在学习使用mmdetection框架时,遇到的一些bug,随时补充。


本文初始环境配置为:
GPU:NVIDIA GeForce RTX 3080 (arch=8.6)
cuda:10.1
Pytorch:1.8.1
torchvision:0.9.1+cu101
torchaudio:0.8.1


一、使用MMDetection已有模型在标准数据集上进行推理时遇到的问题

问题来源:

在学习使用MMdetection已有模型在标准数据集上进行推理时,使用 DetInferencer来获得推理结果,运行代码如下:

from mmdet.apis import DetInferencer

# 初始化模型
inferencer = DetInferencer('rtmdet_tiny_8xb32-300e_coco')

# 推理示例图片
inferencer('demo/demo.jpg', show=True)

结果出现了错误信息1:

GeForce RTX 3080 with CUDA capability sm_86 is not compatible with the current PyTorch installation.

在这里插入图片描述可参考:https://blog.youkuaiyun.com/weixin_43751285/article/details/110651105

以及错误信息2:

RuntimeError: CUDA error: no kernel image is available for execution on the device

在解决如上两个问题的过程中,接连遇到一些错误提示信息如:

ImportError: libcudart.so.10.1: cannot open shared obj

<think>好的,用户想了解mmdetection3d系列的相关信息和教程。我需要先整理现有的引用内容,确保回答准确。首先,查看用户提供的引用资料,引用[1]提到SECOND算法的训练过程,引用[2]和[3]涉及环境安装和数据集准备,引用[4]是问题解决,引用[5]讨论安装中的版本问题。用户可能对安装步骤、使用方法、常见问题感兴趣。 接下来,我应该分步骤回答,结构清晰。先从框架概述开始,说明mmdetection3d的功能和特点。然后安装步骤是关键,需要详细但简洁,引用[3]和[5]中的安装指南和版本注意事项。数据准备部分引用[2]的数据集准备。接着模型训练以SECOND为例,引用[1]的内容。常见问题处理引用[4]和[5]。最后推荐相关资源和应用场景。 需要确保LaTeX格式正确,数学表达式用$...$,独立公式用$$...$$。检查是否有需要引用的地方,如安装步骤、数据准备等,末尾添加引用标识。生成相关问题时要覆盖安装、使用、优化、应用等方面。注意用中文回答,保持自然口语化,但避免使用Markdown格式。</think>[用户可见层] ### mmdetection3d 系列介绍及使用方法 #### 1. 框架概述 mmdetection3d 是由 OpenMMLab 开发的开源 3D 目标检测框架,支持多种算法(如 SECOND、PointPillars、CenterPoint 等)和数据集(KITTI、nuScenes 等)。其特点包括模块化设计、多任务兼容性以及高效的训练推理性能。 #### 2. 安装步骤 - **环境依赖**:需安装 Python 3.7+、PyTorch 1.6+ 和 CUDA 10.2+。特别注意版本兼容性,例如 PyTorch 1.10.1 需搭配 CUDA 11.3 和 mmcv 1.3.8~1.4.0[^5]。 - **安装命令**: ```bash pip install openmim mim install mmengine mim install mmdet==3.0.0 mim install mmcv-full==1.7.0 git clone https://github.com/open-mmlab/mmdetection3d.git cd mmdetection3d pip install -v -e .[^3] ``` #### 3. 数据集准备 以 KITTI 数据集为例: 1. 下载原始数据并按照 `mmdet3d/data/kitti` 目录结构组织。 2. 运行脚本生成训练所需的信息文件: ```bash python tools/create_data.py kitti --root-path ./data/kitti --out-dir ./data/kitti[^2] ``` #### 4. 模型训练与验证 以 SECOND 算法为例: - **配置文件**:选择 `configs/second/second_secfpn_8xb6-80e_kitti-3d-car.py`。 - **启动训练**: ```bash python tools/train.py configs/second/second_secfpn_8xb6-80e_kitti-3d-car.py[^1] ``` - **推理验证**: ```bash python tools/test.py configs/second/second_secfpn_8xb6-80e_kitti-3d-car.py work_dirs/second_secfpn_8xb6-80e_kitti-3d-car/latest.pth ``` #### 5. 常见问题解决 - **CUDA 版本不匹配**:需检查 PyTorch、mmcv 和 CUDA 的版本对应关系,例如 CUDA 13.1 可能需降级到 CUDA 11.3[^5]。 - **依赖冲突**:推荐使用 `mim` 工具管理 OpenMMLab 系列库的版本[^4]。 #### 6. 相关资源推荐 - **官方文档**:[GitHub 仓库](https://github.com/open-mmlab/mmdetection3d) 和 [中文指南](https://mmdetection3d.readthedocs.io/zh_CN/latest/)。 - **社区教程**:可参考博客如《mmdetection3d 安装详细步骤》[^3] 和《MMDetection3D系列问题解决方法》。 ---
评论 2
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