GANet 项目常见问题解决方案

GANet 项目常见问题解决方案

GANet GA-Net: Guided Aggregation Net for End-to-end Stereo Matching 项目地址: https://gitcode.com/gh_mirrors/gan/GANet

GANet（Guided Aggregation Net）是一个用于端到端立体匹配的深度神经网络项目。该项目主要使用 Python 语言进行开发。

基础介绍

GANet 利用深度学习技术，将传统的几何和优化方法融入到神经网络中，以解决立体匹配问题。该项目旨在提高立体匹配的准确性和效率。

新手常见问题及解决步骤

问题 1：环境配置问题

问题描述： 新手在配置项目环境时可能会遇到依赖库冲突或找不到合适版本的问题。

解决步骤：

1. 确保系统安装了 GCC 5.3 或更高版本，以及至少 6.5G 的 GPU 内存（用于测试）或 11G（用于训练）。
2. 安装 PyTorch（版本 >=1.0）。如果使用 pip install 遇到库冲突，尝试从源代码安装 PyTorch，参考 PyTorch 官方文档。
3. 设置正确的环境变量（如 $PATH, $LD_LIBRARY_PATH 等），这些变量在 compile.sh 脚本中有示例。

问题 2：编译错误

问题描述： 在运行 sh compile.sh 脚本编译库时可能会遇到编译错误。

解决步骤：

1. 检查 compile.sh 脚本中的环境变量设置是否正确。
2. 如果遇到 BatchNorm 错误，尝试安装 NVIDIA-Apex 包，并替换 GANet_deep.py 中的 BatchNorm2d 和 BatchNorm3d 为 apex.parallel.SyncBatchNorm。

问题 3：数据集准备

问题描述： 新手可能不清楚如何下载和准备数据集。

解决步骤：

1. 下载 SceneFlow 数据集，包括 "FlyingThings3D"、"Driving" 和 "Monkaa" 的最终通过和视差文件。
2. 将所有训练图像移动到 $[your dataset PATH]/frames_finalpass/TRAIN/ 目录下。
3. 将所有对应的视差文件移动到 $[your dataset PATH]/disparity/TRAIN/ 目录下。
4. 确保 $[your dataset PATH]/disparity/TRAIN/ 和 $[your dataset PATH]/frames_finalpass/TRAIN/ 目录下包含以下 29 个文件夹：15mm_focallength, 35mm_focallength, A, a_rain_of_stones_x2, B, C, eating_camera2_x2, eating_naked_came 等。

通过以上步骤，新手可以更好地开始使用 GANet 项目，并解决一些常见问题。

GANet GA-Net: Guided Aggregation Net for End-to-end Stereo Matching 项目地址: https://gitcode.com/gh_mirrors/gan/GANet