腾讯元宝 - 轻松工作 多点生活
一、安装Miniconda
(base) dou@dou-System-Product-Name:~$ conda --version
conda 23.1.0
conda activate isbnet # 确保已激活 isbnet 环境
python --version # 应显示 Python 3.7.x
conda list # 检查当前环境已安装的包

二、安装 PyTorch 和 CUDA 工具包
conda install pytorch==1.12.1 torchvision==0.13.1 cudatoolkit=11.3 -c pytorch
验证 PyTorch + CUDA 是否可用:
python -c "import torch; print(f'PyTorch版本: {torch.__version__}, CUDA可用: {torch.cuda.is_available()}')"
如果输出 CUDA可用: True,则说明安装成功。
三、安装cudnn
四、接着github过程继续
ISBNet/docs/INSTALL.md at master · VinAIResearch/ISBNet

此时出现如下错误

1. 完成编译安装
# 在build目录下执行
make -j$(nproc) && sudo make install
# 验证核心功能(忽略numba报错)
python -c "from segmentator import __version__; print('编译成功,版本:', __version__)" 2>/dev/null || echo "需安装numba"
2. 解决numba依赖问题
# 安装指定版本的numba(兼容Python 3.7和CUDA 11.3)
conda install numba=0.55.1 -c conda-forge
# 或者使用pip安装
pip install numba==0.55.1 llvmlite==0.38.0
我安装好了numba,验证一下:
验证numba安装
python -c "import numba; print(f'numba版本: {numba.__version__}')"
重新测试Segmentator导入
python -c "from segmentator import __version__; print(f'Segmentator版本: {__version__}')"
这时候又出现

根据错误信息,Segmentator模块已安装但缺少__version__属性。这是常见问题
然后手动添加版本信息
# 编辑segmentator的__init__.py
SEGMENTATOR_PATH=$(python -c "import segmentator; print(segmentator.__file__)")
echo "__version__ = '1.0.0'" >> ${SEGMENTATOR_PATH%/*}/__init__.py
# 验证
python -c "from segmentator import __version__; print(__version__)"

3. 关键路径验证
# 检查模块安装位置
ls -l $CONDA_PREFIX/lib/python3.7/site-packages/segmentator*
# 检查动态库链接
ldd $CONDA_PREFIX/lib/python3.7/site-packages/segmentator/libsegmentator.so | grep cudnn
检查动态库链接时,又显示

然后手动复制动态库
# 从build目录复制到conda环境
sudo cp ~/segmentator/csrc/build/libsegmentator.so $CONDA_PREFIX/lib/python3.7/site-packages/segmentator/
# 验证
ls -l $CONDA_PREFIX/lib/python3.7/site-packages/segmentator/libsegmentator.so
后面有什么权限问题,再问ai吧
上面的问题解决之后,再继续下面这两步

然后把在github下载的项目放到主文件夹下,并重命名为ISBNet,接着下面的步骤


显示g++版本太高了,ai解决后继续
pip3 install <.whl>
这一句是要到文件夹内找你自己的.whl文件名pointnet2-0.0.0-cp37-cp37m-linux_x86_64.whl,然后替换
pip install pointnet2-0.0.0-cp37-cp37m-linux_x86_64.whl
接下来最后一步


接下来就可以跑数据了
1026

被折叠的 条评论
为什么被折叠?



