OpenPCDet在Xavier上的环境配置

BEVFormer代码复现避坑指南:从bev_embedding到TemporalSelfAttention的工程拆解 BEV(Bird's Eye View)是自动驾驶视觉感知的核心表征形式,其本质是将多视角图像特征通过可微分几何变换升维至统一的三维地面坐标系。BEVFormer作为当前主流的端到端BEV感知baseline,融合了Transformer建模、跨相机特征对齐与时序记忆机制,技术价值在于实现像素级空间一致性与帧间运动鲁棒性。典型应用场景包括城市道路车辆检测、车道线分割及多目标跟踪。然而其工业级代码封装隐藏大量硬件适配、坐标系约定与内存优化细节,如bev_embedding的位置编码初始化偏差、grid_sam 阅读详情

目录

 

1.配置cuda10.0和cudNN7.5环境

2.更换apt-get源

3.创建pip虚拟环境

4.安装cMake3.13.3

5.安装PyTorch1.3.0

6.安装llvm7.0及numba0.49.0

7.配置代码仓库所需依赖库

安装过程中的常见错误

参考链接


1.配置cuda10.0和cudNN7.5环境

  • 库文件加入CUDA路径

    • jetson xavier默认安装了CUDA10.0,但无法直接运行nvcc -V,需要将CUDA的路径写入环境变量中

      #命令行输入
      sudo gedit ~/.bashrc
      
      #在其中最后添加:
      export CUBA_HOME=/usr/local/cuda-10.0
      export LD_LIBRARY_PATH=/usr/local/cuda-10.0/lib64:$LD_LIBRARY_PATH
      export PATH=/usr/local/cuda-10.0/bin:$PATH
      #然后保存退出
      
      #命令行输入
      source .bashrc
      
      #关闭当前终端 重开
      #此时CUDA导入成功,可以使用nvcc -V正确查看版本

       

  • cuDNN7.5

    • 查询cuDNN版本:

      cat /usr/include/cudnn_version.h |grep CUDNN_MAJOR -A 2

       

    • Xavier虽然安装了cudNN,但没有将对应的头文件和库文件放在CUDA目录下。Xavier中cuDNN的头文件路径为:/usr/include,库文件路径为:/usr/lib/aarch64-linux-gnu

    • 需要手动将头文件与库文件复制到CUDA的目录下

      cd /usr/include && sudo cp cudnn.h /usr/local/cuda/include
       ​
      cd /usr/lib/aarch64-linux-gnu && sudo cp libcudnn* /usr/local/cuda/lib64

       

2.更换apt-get源

  • 打开sources.list文件

    sudo gedit /etc/apt/sources.list

     

  • 删除或注释原内容,添加下列内容(常使用其中一种即可)

    #清华源
    deb http://mirrors.tuna.tsinghua.edu.cn/ubuntu-ports/ bionic-updates main restricted universe multiverse
    deb-src http://mirrors.tuna.tsinghua.edu.cn/ubuntu-ports/ bionic-updates main restricted universe multiverse
    deb http://mirrors.tuna.tsinghua.edu.cn/ubuntu-ports/ bionic-security main restricted universe multiverse
    deb-src http://mirrors.tuna.tsinghua.edu.cn/ubuntu-ports/ bionic-security main restricted universe multiverse
    deb http://mirrors.tuna.tsinghua.edu.cn/ubuntu-ports/ bionic-backports main restricted universe multiverse
    deb-src http://mirrors.tuna.tsinghua.edu.cn/ubuntu-ports/ bionic-backports main restricted universe multiverse
    deb http://mirrors.tuna.tsinghua.edu.cn/ubuntu-ports/ bionic main universe restricted
    deb-src http://mirrors.tuna.tsinghua.edu.cn/ubuntu-ports/ bionic main universe restricted
    #或者中科大源
    deb http://mirrors.ustc.edu.cn/ubuntu-ports/ bionic-updates main restricted universe multiverse 
    deb-src http://mirrors.ustc.edu.cn/ubuntu-ports/ bionic-updates main restricted universe multiverse 
    deb http://mirrors.ustc.edu.cn/ubuntu-ports/ bionic-security main restricted universe multiverse 
    deb-src http://mirrors.ustc.edu.cn/ubuntu-ports/ bionic-security main restricted universe multiverse 
    deb http://mirrors.ustc.edu.cn/ubuntu-ports/ bionic-backports main restricted universe multiverse 
    deb-src http://mirrors.ustc.edu.cn/ubuntu-ports/ bionic-backports main restricted universe multiverse 
    deb http://mirrors.ustc.edu.cn/ubuntu-ports/ bionic main universe restricted 
    deb-src http://mirrors.ustc.edu.cn/ubuntu-ports/ bionic main universe restricted

     

  • 保存sources.list文件后使用如下命令更新

    sudo apt-get update

     

3.创建pip虚拟环境

  • 安装virtualenv与virtualenvwrapper

    pip install virtualenv
    pip install virtualenvwrapper

     

  • 配置虚拟环境

    #创建虚拟环境管理目录:
    mkdir ~/.virtualenvs
    
    #设置环境变量:
    sudo gedit ~/.bashrc
    
    #在.bashrc末尾添加如下内容:
    export VIRTUALENVWRAPPER=/usr/bin/python3
    export VIRTUALENVWRAPPERVIRUALENV=/usr/local/bin/virtualenv
    export WORKON_HOME=$HOME/.virtualenvs
    source /usr/local/bin/virtualenvwrapper.sh
    
    #保存退出后,运行source .bashrc使环境变量生效。

     

  • 重开终端,创建虚拟环境(默认使用python3)

    mkvirtualenv -p python3 gye

     

  • 激活虚拟环境

    workon gye

     

4.安装cMake3.13.3

  • 在官网(https://cmake.org/files/v3.13/)下载cmake3.13.3

  • 依次用下面的命令进行安装

    tar -xzvf cmake-3.13.3.tar.gz
    cd cmake-3.13.0
    ./bootstrap
    make -j8
    make install

     

  • 查看cmake版本

    cmake --version

     

5.安装PyTorch1.3.0

按照链接教程安装Jetson使用的PyTorch1.3.0,下载whl文件时若本地无法下载,可以在本地挂全局代理下载,之后依次执行以下命令,适用python 3.6

wget https://nvidia.box.com/shared/static/phqe92v26cbhqjohwtvxorrwnmrnfx1o.whl  torch-1.3.0-cp36-cp36m-linux_aarch64.whl
sudo apt-get install python3-pip libopenblas-base libopenmpi-dev
pip3 install Cython
pip3 install numpy torch-1.3.0-cp36-cp36m-linux_aarch64.whl

6.安装llvm7.0及numba0.49.0

更新源之后,按照链接步骤依次执行,具体如下:

  • 安装llvm及配置环境变量

    sudo apt install llvm-7
    cd /usr/bin/
    echo "export LLVM_CONFIG=\""pwd"/llvm-config-7\"" >> ~/.bashrc
    echo "alias llvm='"pwd"/llvm-lib-7'" >> ~/.bashrc
    source ~/.bashrc

     

  • 安装numba0.49.0

    pip install numba==0.49.0

     

7.配置代码仓库所需依赖库

该步骤根据具体的代码仓库要求执行,本代码仓库要求见github链接,以该仓库OpenPCDet为例,主要依赖库如下:

  • 安装spconv

    python setup.py bdist_wheel

     

  • 安装OpenPCDet

    pip install -r requirements.txt
    python setup.py develop

     

安装过程中的常见错误

解决pip安装的超时问题

由于网络连接和某些服务器问题,使用pip源安装时经常会出现超时问题,导致安装中断,需要重新安装。此时有两种解决办法

#其一 添加超时参数
pip --default-timeout=100 install -U 库名

#其二 手动在命令中包含源
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple 库名

环境变量路径语法

配置环境变量时,生效后的路径中可能会出现两个冒号,导致环境变量未生效。因此配置时需要仔细检查.bashrc文件,配置完毕后,可以使用echo命令检查环境变量的路径是否正确:

echo $HOME
echo $CUDA_HOME
...

jetson状态查看工具

github地址

#安装命令
sudo -H pip install jetson-stats

#更新命令
sudo -H pip install -U jetson-stats

#jtop命令行界面
sudo jtop

#快速查看本机的版本
sudo jetson-release -V

控制界面:

  • s 启动和停止jetson_clocks服务, jetson_clocks只有在启动的前60s启动

  • e 板子启动时是否启用jetson_clocks

  • +和-控制NvpModel的加减

  • p 和m控制风扇的转速

风扇启动

#开机后手动启动风扇,控制温度保证xavier性能,命令行输入如下命令:
sudo jetson_clocks

网络连接

连接网线后,若无法连上网络,按如下步骤进行:

1.修改配置interfaces文件

#打开文件
sudo vim /etc/network/interfaces
#在原内容下添加内容
auto eth0          
iface eth0 inet static  
address 10.214.161.240     
netmask 255.255.255.0      #子网掩码
gateway 10.214.161.1        #默认网关

2.修改DNS

#打开文件
sudo vim /etc/resolve.conf

#修改文件
nameserver 127.0.0.1
nameserver 8.8.8.8

3.重启网络

sudo /etc/init.d/networking restart

4.重新查看并确认配置

ifconfig -a

最后网线端口对应eth0,手动选择该端口即可正常连接网络。

参考链接

配置cuda10.0和cudNN7.5环境:https://blog.youkuaiyun.com/weixin_42622181/article/details/107662855

apt-get源:https://www.cnblogs.com/gloria-zhang/p/12802995.html

pip构建虚拟环境:https://www.cnblogs.com/chjxbt/p/10517952.html

cmake安装:https://www.cnblogs.com/cumtchw/p/13549257.html

PyTorch for Jetson论坛:https://forums.developer.nvidia.com/t/pytorch-for-jetson-version-1-7-0-now-available/72048

llvm&&numba:https://blog.youkuaiyun.com/chrisspf/article/details/109360579

OpenPCDet其他配置:https://github.com/open-mmlab/OpenPCDet

pip安装超时问题:https://www.cnblogs.com/shenpings1314/p/9413646.html

jetson状态查看工具:https://github.com/rbonghi/jetson_stats

网络连接:https://blog.youkuaiyun.com/qq_38262728/article/details/88684820

 

NVIDIA Jetson AGX Xavier安装OpenPCDet完整踩坑记录 NVIDIA Jetson AGX Xavier安装OpenPCDet的完整过程,出现的问题及解决方案。 阅读详情

相关推荐

OpenPCDet安装及其3D检测算法实现

OpenPCDet及pointpillar复现

weixin_58207716的博客 1万+

OpenPCdet运行demo路线

mmlab的OpenPCDet运行成功

qq_44992157的博客 1431

NVIDIA Jetson AGX Orin配置OpenPCDet环境部署PointPillar

NVIDIA Jetson AGX Orin配置OpenPCDet环境部署PointPillar

m0_51268651的博客 7528

RuntimeError: Integer division of tensors using div or / is no longer supported, and in a future rel

RuntimeError: Integer division of tensors using div or / is no longer supported, and in a future release div will perform true division as in Python 3. Use true_divide or floor_divide (// in Python) instead. 对于tensor A和整数n之间的除法: result = A / n # not suppor

我亦是行人 2674

OpenPCDet深度学习环境配置

最简洁,从装机开始配深度学习环境

slamer111的博客 1356

OpenPCDet从环境配置到模型训练

sudo docker run -dt \ -e DISPLAY=$DISPLAY \ -v /tmp/.X11-unix:/tmp/.X11-unix \ --mount type=bind,source=/home/document/Section,target=/mnt/section \ --restart=always \ --name pp \ --gpus all 、-p 8080:80 你的镜像名。python3 labelCloud.py #运行命令。

dongdonglele521的博客 1339

在Arm板(NVIDIA AGX Xavier)配置深度学习环境+安装llvm/llvmlite/numba

在Arm板(NVIDIA AGX Xavier)配置深度学习环境+安装llvm/llvmlite/numba

lixushi的博客 2044

三维目标检测之OpenPCDet环境配置及demo测试

记录了我所遇到的一些坑,希望能帮到你。详细的OpenPCDet框架环境搭建和demo测试过程。

记录和分享 1万+

OpenPCDet边缘计算终极指南:NVIDIA Jetson设备部署全流程

OpenPCDet是一个基于LiDAR的3D目标检测工具箱,能够帮助开发者快速实现高效的点云目标检测算法。本指南将详细介绍如何在NVIDIA Jetson设备上部署OpenPCDet,让你轻松掌握边缘计算环境下的3D目标检测应用开发。 ## 为什么选择OpenPCDet进行边缘计算? OpenPCDet作为一款强大的3D目标检测工具,具有以下优势: - **统一的数据处理流程**:支持多种数

gitblog_00065的博客 467

DeepSpeed 搭建碰到的问题

找了GPT来帮助,仅提示了需要安装libaio。Windows 系统来做一些前沿开发,估计连微软自家的孩子们也都鄙视,在Win 11下搭建Deepspeed 环境,遇到。

牧草青园 7265

【3D目标检测】环境搭建(OpenPCDet、MMdetection3d、Det3d)

在Conda虚拟环境中搭建MMdetection3d环境

qq_44703886的博客 4253

在Xavier上部署CUDA-PointPillars

首先下载pytorch v1.10.0的whl文件,我最开始下载的是v1.8.0版本的pytorch,但是在最后导出onnx模型的时候报torch中onnx的错,把pytorch的版本换成v1.10.0就好了。的数据集,这个数据集是新加的,需要安装av2库才能够读取这个数据集,但是av2不支持python 3.6,python3.8就可以,就非常的扯,所以就下载0.5.0版本的OpenPCDet。在安装的过程中可能会报错,一般是缺少某些编译库,在网上搜索一下报错信息,然后把缺少的依赖库安装上就可以。

Furtherisxgi的博客 2348

64位windows系统中python安装numba加速

包含5个文件适用于64位windows系统中python安装numba加速 1 pyphon 3.7 已经安装,且pycharm也已经安装 2 安装vs2015/2017/2019均可,然后运行VC 3 将上述whl文件运用批评分别安装,顺序依次为numpy、llvm、numba、import 4 至此在pycharm中file-setting-project-interpreter中可以看到所有已经都安装 5 安装完成,网上找使用方法

Numba0.48在Jetson AGX Xavier上的安装方法

python: Version 3.6.9 llvm: Version 7.0.1 安装llvmlite之前需要先安装llvm // 安装方法(最好是version7) sudo apt install llvm-7 //配置好环境变量 echo "export LLVM_CONFIG=\""`pwd`"/llvm-config-7\"" >> ~/.bashrc echo "alias llvm='"`pwd`"/llvm-lib-7'" >> ~/.bashrc source

chrisspf的博客 808

ASPP - 空洞空间金字塔池化

文章目录1 空洞卷积1.1 空洞卷积的理解1.1.1 一维1.1.2 二维1.2 空洞卷积的优劣2. ASPP3. 代码 1 空洞卷积 1.1 空洞卷积的理解 1.1.1 一维 (a) 正常卷积:输入特征 Input feature,kernel = 3,stride = 1,pad = 1,输出特征 Output feature。 (b) 空洞卷积:与图 (a) 不同之处在于 pad = 2,同时引入一个 rate = 2(表示卷积核中参数间间隔的超参)。   还可通过下图进一步理解普通卷积与空洞卷

晓野豬 2万+

Win10家庭版如何添加本地用户和组

在众多Windows版本中,Windows 10以其丰富的功能和卓越的性能吸引了大量用户。然而,对于使用Win10家庭版的用户来说,他们可能会遇到一些功能上的限制,特别是在用户和组管理方面。虽然家庭版在某些高级功能上有所缩减,但我们仍然可以通过一些技巧来实现对本地用户和组的管理。本文将详细介绍如何在Win10家庭版中添加本地用户和组,以便用户能够更好地管理计算机资源。

nntxthml的博客 4557

【点云检测】OpenPCDet 教程系列 [1] 安装 与 ROS运行

主要是介绍库的使用,做笔记区OpenPCDet和mmdetection3d有什么区别?- 知乎 (zhihu.com)这是OpenMMLab官方的回复:OpenPCDet 和 mmdetection3d 是两个不同的团队开发和维护的。从功能角度上讲,mmdet3d 支持的场景和任务更多(包含室内室外场景的物体检测和点云分割),各种模态设定更全面(多模态,以及点云或图像的单模态),总体支持的模型数量更多,覆盖面更广,可以适应不同用户多样的使用和研发需求。

这里是张聪明,正在学习中,请稍后 7048

ADC INL&DNL测试方法和实例

本文介绍了一种可操作的ADC INL和DNL的测试方法--直方图法(也称码密度法)。并实际使用该方法测试了两款芯片的ADC INL和DNL

APTCHIP的博客 1万+

OpenPCDet环境搭建与踩雷 Python3.6+Ubuntu18.04

openpcdet安装及demo的运行 ubuntu18.04+python3.6

weixin_42618114的博客 915

Canoe CAPL TCP通信避坑指南:从OnTcpConnect回调不触发到Socket句柄管理

本文详细解析了Canoe CAPL中TCP通信的常见问题与解决方案,包括OnTcpConnect回调不触发的三大原因、Socket句柄管理的内存泄漏风险、数据发送截断规则等。通过实战案例和代码示例,帮助开发者规避TCP通信中的典型陷阱,提升车载网络测试的稳定性和可靠性。

weixin_26976635的博客 358

基于小波变换的信号降噪处理及仿真研究_信号处理方法推荐--1(转载自用,侵删)...

综述作者:aresmiki链接:https://www.zhihu.com/question/23701194/answer/167005497来源:知乎著作权归作者所有。商业转载请联系作者获得授权,非商业转载请注明出处。非平稳信号处理应该是现在信号处理技术最新的也是最热的研究方向了,信号处理方法从最早的时域统计到傅里叶变换的频域分析,是人们认识信号本质的一次巨大飞跃,给了分析人员换个角度看世界的...

weixin_32144483的博客 1249

OpenPCDet——环境配置和训练测试(升级系统、Nvidia驱动、cuda11.3、cudnn8.2)

文章目录NVIDIA 驱动升级CUDA安装 笔记本显卡驱动NVIDIA 418,cuda9.0 比较旧,和工作的环境不兼容,导致tensorRT装版本也不一致,决定把GTX 1060显卡升级到最新的驱动 NVIDIA 驱动升级 sudo apt-get remove --purge nvidia* sudo sh NVIDIA-Linux-x86_64-418.56.run --uninstall 禁用nouveau sudo gedit /etc/modprobe.d/blacklist.conf 在

xiaohu的博客 8387

在没有实验数据的情况下,如何高效快速发表高影响因子论文

最新基于Citespace、vosviewer、R语言的文献计量学可视化分析技术及全流程文献可视化SCI论文高效写作方法

glldxh的博客 371

学习笔记:OpenPCDet环境部署

如果出现import torch错误的话,很有可能是numpy版本不对,如果是Numpy2.X版本的,建议换成Numpy1.X的版本。本人使用环境:Ubuntu18.04 ,python 3.9,cuda 11.2。1.安装anaconda的虚拟环境,并安装对应的torch等包。个人推荐python版本选择3.9的版本。3.下载OpenPCDet包,以及其环境。

qq_44978694的博客 614

LAMMPS实例教程—In文件详解

本博文主要介绍专栏 《LAMMPS实例教程—In文件详解》, 针对于 Lammps 可分析的物理过程进行讲解,提供 In 文件以及后处理方法,持续更新。 目前分为8个专题: 1)力学专题、2)传热专题、3)相变专题、4)界面专题、5)吸附专题、6)流动专题、7)物性专题以及8)基础理论专题。

Rockyoung 3万+

DICOM图像知识:深入详解DICOM的层级关系

解析DICOM的四个主要层级:Patient(患者)、Study(检查)、Series(序列)和SOP(服务-对象对),探讨它们之间的关系、各自的唯一标识符以及在实际应用中的用途

编程技术探索者,分享C/C++、C#、Java、数据库等开发经验,聚焦实战技巧与AI兴趣,助力编程爱好者成长。 3305
上一篇: ubuntu18.04安装ssh服务
下一篇: 【mmdetection】使用kitti数据集进行训练
阿瓜瓜瓜
博客等级 码龄9年 18粉丝 51原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
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
实付元
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