RAFT3D 代码复现

本文详细描述了在Linux系统上配置和安装RAFT-3D深度学习框架的步骤,包括创建新环境、安装必要的Python库、设置CUDA和OpenCV,以及遇到常见错误时的解决方案。

代码地址

https://github.com/princeton-vl/RAFT-3D

配置环境

1.创建环境

conda create -n raft3d python=3.8
conda activate raft3d

2.安装库

conda install pytorch==1.8.0 torchvision==0.9.0 torchaudio==0.8.0 cudatoolkit=11.1 -c pytorch -c conda-forge
sudo apt-get install libsuitesparse-dev
pip install scikit-sparse
conda install pyyaml
pip install opencv-python==4.5.2.52 open3d
pip install git+https://github.com/princeton-vl/lietorch.git
pip install matplotlib tensorboard 

库版本参考

 packages in environment at /home/ql/miniconda/envs/raft3d:
#
# Name                    Version                   Build  Channel
_libgcc_mutex             0.1                        main  
_openmp_mutex             5.1                       1_gnu  
absl-py                   2.0.0                    pypi_0    pypi
addict                    2.4.0                    pypi_0    pypi
ansi2html                 1.8.0                    pypi_0    pypi
asttokens                 2.4.1                    pypi_0    pypi
attrs                     23.1.0                   pypi_0    pypi
backcall                  0.2.0                    pypi_0    pypi
blas                      1.0                         mkl  
blinker                   1.7.0                    pypi_0    pypi
bzip2                     1.0.8                h7f98852_4    conda-forge
ca-certificates           2023.08.22           h06a4308_0  
cachetools                5.3.2                    pypi_0    pypi
certifi                   2023
### Raft 光流算法的代码实现与教程 RAFT (Recurrent All-Pairs Field Transforms) 是一种高效的光流估计方法,其通过循环神经网络(RNN),特别是门控循环单元(GRU),来迭代地改进光流场的预测。这种方法能够有效地捕捉长时间依赖关系并提高准确性。 #### 代码实现 RAFT 的官方 PyTorch 实现可以在 GitHub 上找到[^2]: ```bash git clone https://github.com/princeton-vl/RAFT.git cd RAFT pip install -r requirements.txt ``` 安装完成后,可以通过运行预训练模型来进行推理测试: ```python import torch from raft import RAFT from utils.utils import InputPadder model = torch.nn.DataParallel(RAFT()) model.load_state_dict(torch.load('models/raft-things.pth')) model.eval() image1 = load_image(imfile1) image2 = load_image(imfile2) padder = InputPadder(image1.shape) image1, image2 = padder.pad(image1, image2) _, flow_up = model(image1, image2, iters=20, test_mode=True) ``` 这段代码展示了如何加载预训练好的 RAFT 模型以及执行两张图像之间的光流估计过程。 #### 教程资源 对于希望深入了解 RAFT 工作原理的研究者来说,建议阅读原始论文《RAFN: Recurrent All Pairs Field Transforms for Optical Flow》及其附带的技术报告。这些资料提供了关于该算法设计决策背后理论基础的重要见解。 此外,在线平台如 YouTube 和 Medium 上有许多由开发者分享的经验贴和技术博客,它们通常会提供更直观的理解方式,并可能包含额外的小技巧或优化建议。
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
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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

打赏作者

玛卡巴卡_qin

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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