安装MinkowskiEngine记录

已于 2025-02-18 20:05:56 修改
阅读量390 收藏
点赞数 7
分类专栏： 基础知识 文章标签： pytorch 人工智能 python
于 2025-02-18 20:04:12 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/leo0308/article/details/145713410
版权

安装参考官方代码库指导： https://github.com/NVIDIA/MinkowskiEngine

在我的环境中， 直接pip安装一直编译错误。 一开始是因为gcc版本过高（11.x）， 无法编译MinkowskiEngine， 后来降低gcc版本到7.5 编译依然报错。 降低gcc版本， 请参考 Unbuntu 22.04 安装 GCC 7.5版本
最后下载了源码， 通过python setup.py install就成功安装了。

环境信息：

Ubuntu 22.04
gcc 7.5
python 3.8.20
CUDA 11.7
torch 1.13.1+cu117
ninja  1.11.1.3
ubuntu20.04安装MinkowskiEngine(折磨了一周终于解决了！！！)
qq_39568387的博客
12-02 466
ubuntu20.04安装MinkowskiEngine疑难杂症
Windows下安装MinkowskiEngine库
weixin_61663117的博客
07-08 2590
MinkowskiEngine是一个开源的自动微分库，专门为高维稀疏张量而设计，可以用于深度学习中的卷积、池化和全连接操作。它是针对高维空间中的稀疏数据设计的，例如在点云处理和图像分析中常见的数据类型。以前由于 Visual Studio 编译器（例如 #pragma atomic）中对 OpenMP 指令的支持问题，其 CPU 版本的 Minkowski 引擎无法在 Windows 上运行。但是，从 Visual Studio 版本 17.4（2022 年 11 月）开始，添加了对其中许多说明的支持。
MinkowskiEngine安装（CUDA11.8+torch2.0.1+RTX4070TI）
1561213的博客
02-21 888
然后我系统装了12.1和11.1的cuda，改为12.1的时候的虚拟环境是不报错的。但MinkowskiEngine 不能支持太高版本的cuda，目前我能查到的是11.8装成功的案例。说明一下的是，我在虚拟环境中和base中都装了OpenBLAS和ninja，用户系统环境之前装过。我报错，查GPT好像是CUDA的问题，但虚拟环境我都设置了，并且设置对了。不装driver，不选最后一项kernel（这个是加速计算的，但选了会报错）。CUDA的环境变量只设置/usr/local/cuda就够了。
ubuntu20.04 安装MinkowskiEngine（ME）
whitephantom1的博客
01-16 1081
虽然第1步已经安装了cudatoolkit，但只是一个运行时，没有编译ME所需的工具。如果输出的路径是你conda虚拟环境的路径那就继续下一步。没有报错，至此安装完成。这些问题可以参照这篇博客。
PyPI 官网下载 | MinkowskiEngine-0.5.1.tar.gz
02-01
资源来自pypi官网。 资源全名：MinkowskiEngine-0.5.1.tar.gz
MinkowskiEngine安装
xsy_0416的博客
04-14 4987
MinkowskiEngine（ME）是计算稀疏张量常用的库，但是官方文档里安装这个库的坑还是蛮多的。
MinkowskiEngine库的安装
weixin_46695464的博客
05-30 754
为什么指定了cuda_home还是找不到cuda？cuda的路径是没有错的，或许系统默认调用的是bashrc中指定的cuda，使用下面命令查看一下系统的cuda_home。与上面报错中的cuda路径一致，于是重新指定cuda_home，并追加cuda路径到环境变量（若已有就不用执行）从github上克隆对应的库，尝试使用源码中的setup.py进行安装。tips：我的gcc版本是13（其实13也能装，主要是cuda和torch版本对应）最后再重新安装一下torch，注意是11.1cuda版本的。
安装Nvidia的MinkowskiEngine
carissaying的博客
10-10 1050
注意注意，本机的CUDA版本和安装的torch的CUDA版本一定要一致，不然会报错。
闵可夫斯基引擎Minkowski Engine安装指南
莫大逗比嘟嘟
10-24 4050
闵可夫斯基引擎Minkowski Engine安装指南
ubuntu20.04安装MinkowskiEngine安装
12-31
为了成功安装 MinkowskiEngine，在 Ubuntu 20.04 上需确保已正确配置开发环境，包括但不限于 GCC/G++ 编译器、CUDA 工具链以及 Python 版本。对于特定版本的需求，建议使用 gcc 和 g++ 的7.x 或更高版本，并确认 ...
MinkowskiEngine：Minkowski Engine是一个用于高维稀疏张量的自动差异神经网络库
02-05
敏可夫斯基引擎 Minkowski引擎是一个用于稀疏张量的自动微分库。 它支持所有标准神经网络层，例如对稀疏张量的卷积，池化，解池和广播操作。 有关更多信息，请访问。 新闻 2020-12-24 v0.5现已发布！ 新版本为所有坐标管理功能提供CUDA加速。 示例网络 Minkowski引擎支持可以在稀疏张量上构建的各种功能。 我们在这里列出了一些流行的网络体系结构和应用程序。 要运行示例，请安装软件包并在软件包根目录中运行命令。 例子 网络和命令 语义分割 python -m examples.indoor 分类 python -m examples.modelnet40 重建
在windows上安装 MinkowskiEngine
06-12
虽然 MinkowskiEngine 在 Windows 上的安装存在一些问题，但你仍然可以使用以下步骤在 Windows 上安装它： 1. 安装 WSL 在 Windows 上安装 WSL，以获得一个 Linux 环境。你可以在 Microsoft Store 中下载 Ubuntu ...
MinkowskiEngine安装避坑
qq_52297947的博客
09-05 9287
MinkowskiEngine安装避坑
【已解决】MinkowskiEngine安装步骤避坑及报错解决方案
HandsomeIT的博客
04-02 2083
关于anaconda，之前下载的anaconda在Collecting package metadata (repodata.json): done。Solving environment: done环节会出现一堆警告，并且巨慢，删除下载最新版可以解决问题。镜像配置，最好直接使用命令行 conda config --add channels ////进行配置。MinkowskiEngine安装步骤。仍旧会出现错误，但与文章中的不太相同。然后按照下面这篇文章进行修复。
MinkowskiEngine安装记录
Z_JingD的博客
10-17 1607
MinkowskiEngine
MinkowskiEngine的安装(ubuntu18.04+cuda11.1)
yangrongkun的博客
10-20 996
编译安装MinkowskiEngine
MinkowskiEngine安装总结
热门推荐
m0_60197472的博客
06-15 1万+
MinkowskiEngine（ME）是计算稀疏张量常用的库，但是官方文档里安装这个库的坑还是蛮多的。本来看到CVPR2022的REGTR这篇文章想先看看作者模型的实际效果怎么样，结果环境配置这一块就折腾好几天，从cuda11.1到cuda11.3都尝试了一遍，最后总结出一些安装心得。（现在配这个环境我真的是熟练工2333）...
yolov11训练点云数据集
最新发布
02-25
### 使用YOLOv11训练点云数据集 目前主流的目标检测框架如YOLO系列主要用于处理二维图像中的物体识别任务。然而，对于三维空间内的点云数据，传统基于图像的YOLO架构并不适用。为了适应点云数据的特点，研究人员开发了一系列专门针对此类数据的任务特定网络。 #### 一、环境准备 在开始之前，需确认已安装必要的依赖库和支持工具链。考虑到YOLOv11可能尚未公开发布或其特性未被广泛记录，在实际操作中可以参照相近版本（比如YOLOv5）的基础设置[^1]，同时引入额外的支持包用于处理3D几何信息： - PyTorch: 主要计算引擎。 - Open3D: 处理和可视化点云数据的有效工具。 - MinkowskiEngine: 支持稀疏张量运算，特别适合于不规则分布的数据形式如点云。 ```bash pip install torch torchvision open3d minkowskiengine ``` #### 二、数据预处理 由于原始点云文件通常不具备标准格式，因此需要先对其进行转换以匹配模型输入需求。这一步骤涉及但不限于以下几个方面： - 数据清洗：去除噪声点和平滑表面； - 坐标变换：统一坐标系下的表示方法； - 特征提取：从每一点获取局部描述符作为附加属性； 对于MVTEC AD这样的工业缺陷检测场景，建议按照类似的分层结构组织样本集合[^4]，只是此时每个子文件夹内应存储`.pcd`或其他兼容类型的点云文档而非图片。 #### 三、构建自定义Dataset类 为了让PyTorch能够加载并迭代遍历整个数据集，编写继承自`torch.utils.data.Dataset`的新类是必不可少的一环。该类至少实现两个核心函数:`__init__()`, `__getitem__()`以及`__len__()`: ```python import os from pathlib import Path import numpy as np import open3d as o3d class PointCloudDataset(torch.utils.data.Dataset): def __init__(self, root_dir, transform=None): self.root_dir = Path(root_dir) self.transform = transform # 获取所有类别名称及其对应的路径列表 categories = sorted([item.name for item in self.root_dir.iterdir() if item.is_dir()]) self.samples = [] for cat in categories: sample_paths = list((self.root_dir / cat).glob('*.pcd')) labels = [cat]*len(sample_paths) self.samples.extend(zip(sample_paths, labels)) def __len__(self): return len(self.samples) def __getitem__(self, idx): pcd_path, label = self.samples[idx] point_cloud = o3d.io.read_point_cloud(str(pcd_path)) points = np.asarray(point_cloud.points).astype(np.float32) if self.transform is not None: points = self.transform(points) return {'points': points, 'label': label} ``` #### 四、调整YOLO Backbone设计 鉴于现有YOLO变体多围绕RGB影像优化的事实，直接应用于点云可能会遇到困难。为此，有必要探索替代性的骨干网路设计方案，例如PointNet++, DGCNN等专为捕捉三维形状特征而生的模块[^3]。这些改进型组件往往能更好地理解复杂的空间关系，并有助于提高最终预测精度。 #### 五、集成与测试 完成上述准备工作之后，即可着手整合各部分功能并将新建立的Pipeline部署至GPU设备上运行。期间务必密切监控性能指标变化情况，及时调整超参数直至获得满意的效果为止。 ---
评论 1
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