BEV电池（【亲测可用】BEV Fusion (MIT) 环境配置）

CUDA环境

首先我们需要打上对应版本的显卡驱动：

接下来下载CUDA包和CUDNN包： wget https://developer.download.nvidia.com/compute/cuda/11.6.2/local_installers/cuda_11.6.2_510.47.03_linux.run sudo sh cuda_11.6.2_510.47.03_linux.run wget https://developer.nvidia.com/compute/cudnn/secure/8.4.0/local_installers/11.6/cudnn-local-repo-ubuntu2004-8.4.0.27_1.0-1_amd64.deb sudo apt install ./cudnn-local-repo-ubuntu2004-8.4.0.27_1.0-1_amd64.deb

打开 ~/.bashrc文件               ，添加以下内容到最后：

export CUDA_HOME=/usr/local/cuda-11.6 export PATH="/usr/local/cuda-11.6/bin:$PATH" export LD_LIBRARY_PATH="/usr/lcoal/cuda-11.6/lib64:$LD_LIBRARY_PATH"

前置环境（可选）

需要安装openmpi（这个我也不确定需不需要 
  
 
  
 
  
 
  
 
  
 
  
 
  
 
，小伙伴们可以试试）

下载openmpi安装包： wget https://download.open-mpi.org/release/open-mpi/v4.1/openmpi-4.1.4.tar.gz

解压安装

cd openmpi-4.1.4 ./configure --prefix=/usr/local/openmpi make -j8 sudo make install

~/.bashrc文件里添加环境变量：

MPI_HOME=/usr/local/openmpi OMPI_MCA_opal_cuda_support=true export PATH=${MPI_HOME}/bin:$PATH export LD_LIBRARY_PATH=${MPI_HOME}/lib:$LD_LIBRARY_PATH export MANPATH=${MPI_HOME}/share/man:$MANPATH

测试安装是否成功

cd openmpi-x.x.x/examples make mpirun -np 4 hello_c

conda安装

找一个Anaconda或者miniconda下载安装：

bash Anaconda3-2021.05-Linux-x86_64.sh

正式环境配置

OK














，准备完毕 
  
  
  
  
  
  
  ，开始正式配环境

首先创建一个虚拟环境： conda create -n your_env_name python=3.8 conda activate your_env_name

接下来建议完全按照我的指令来 
  
  
  
  
  
  
  
，里面的版本问题我已经踩过坑了

pip install torch==1.10.0+cu113 torchvision==0.11.0+cu113 -f https://download.pytorch.org/whl/torch_stable.html pip install mmcv-full==1.4.0 -f https://download.openmmlab.com/mmcv/dist/cu113/torch1.10.0/index.html pip install mmdet==2.20.0 conda install openmpi conda install mpi4py pip install Pillow==8.4.0 pip install tqdm pip install torchpack pip install nuscenes-devkit pip install ninja pip install numpy==1.19 pip install numba==0.48.0 pip install shapely==1.8.0

参数修改

贴上MIT版本BEV FUSION的地址

 


 


 


 


 


 


 

，clone一下代码：

git clone https://github.com/mit-han-lab/bevfusion.git

以下两处需要改！

首先是这个文件 
 
 
 
 
 
 
 ，里面的4096都改成256 
   
   
   
   
   
   
   
，否则会爆显存               。 mmdet3d/ops/spconv/src/indice_cuda.cu

接下来是 项目根目录的setup.py
 

 

 

 

 

 

 
，需要把显卡算力改成自己对应的
 

 

 

 

 

 

 

 ，其余的注释掉 
  
 
  
 
  
 
  
 
  
 
  
 
  
 
。例如我的3080是86（具体的算力对应大家可以查查）

"-gencode=arch=compute_86,code=sm_86"

数据集准备

需要下载nuscenes数据集              ，大概600多GB 

 
 

 
 

 
 

 
 

 
 

 
 

 
 
，解压之后














，把train数据集（包括地图扩展包）放到项目文件夹的data/nuscenes目录下                      ，如下红框所示：

回到项目根目录 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
，运行数据集生成脚本





















，大概跑1小时               ，最后会变成上图的样子： python tools/create_data.py nuscenes --root-path ./data/nuscenes --out-dir ./data/nuscenes --extra-tag nuscenes

运行代码

首先执行配置脚本：

python setup.py develop

接下来下载预训练参数：

./tools/download_pretrained.sh

最后执行训练指令 
  
 
  
 
  
 
  
 
  
 
  
 
  
 
，原文readme里-np后面是8














，这里要改成1（因为我们PC上跑是单GPU） 
  
  
  
  
  
  
  ，不然会卡住不动

torchpack dist-run -np 1 python tools/train.py configs/nuscenes/det/transfusion/secfpn/camera+lidar/swint_v0p075/convfuser.yaml --model.encoders.camera.backbone.init_cfg.checkpoint pretrained/swint-nuimages-pretrained.pth --load_from pretrained/lidar-only-det.pth