bevfusion复现

Song Han, ICRA 2023
paper: https://arxiv.org/abs/2205.13542
code: https://github.com/mit-han-lab/bevfusion.git

Prepare Dataset

nuScenes

下载nuScenes全量数据集
执行脚本解压到指定目录

bash target-file/extract_nuscenes.sh /sda/dataset/nuscenes

extract_nuscenes.sh内容如下：

#!/bin/bash

echo run $0
echo target path $1

tar -xvf v1.0-test_blobs.tar -C $1 &&
tar -xvf v1.0-test_meta.tar -C $1 &&
tar -xvf v1.0-trainval01_blobs.tar -C $1 &&
tar -xvf v1.0-trainval02_blobs.tar -C $1 &&
tar -zxvf v1.0-trainval03_blobs.tgz -C $1 &&
tar -zxvf v1.0-trainval04_blobs.tgz -C $1 &&
tar -zxvf v1.0-trainval05_blobs.tgz -C $1 &&
tar -zxvf v1.0-trainval06_blobs.tgz -C $1 &&
tar -zxvf v1.0-trainval07_blobs.tgz -C $1 &&
tar -zxvf v1.0-trainval08_blobs.tgz -C $1 &&
tar -zxvf v1.0-trainval09_blobs.tgz -C $1 &&
tar -zxvf v1.0-trainval10_blobs.tgz -C $1 &&
tar -zxvf v1.0-trainval_meta.tgz -C $1 &&

unzip -n nuScenes-map-expansion-v1.3.zip -d $1/maps

!!!等环境配置完之后，还需要执行tools/create_data.py生成*.json文件

python tools/create_data.py nuscenes --root-path /sda/dataset/nuscenes --out-dir /sda/dataset/nuscenes --extra-tag nuscenes

Prepare env

CUDA=11.3
默认使用CUDA10.2
export PATH=/usr/local/cuda-11.3/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda-11.3/lib:$LD_LIBRARY_PATH

export PATHONPATH= 确保使用当前env

conda create -n deepin-dxg python=3.8 -y
python=3.8
torch=1.10.0+cu113 torchvision=0.11.0+cu113
pip install mmcv-full==1.4.0 -f https://download.openmmlab.com/mmcv/dist/cu113/torch1.10/index.html
pip install mmdet==2.20.0
pip install tqdm
pip install torchpack
pip install nuscenes-devkit

> openmpi
vim ~/.bashrc
在安装openmpi之前，需要修改环境变量，在末尾添加OMPI_MCA_opal_cuda_support=true 
conda install openmpi==4.0.2    // 使用conda安装openmpi

conda install mpi4py==3.1.4   pip安装会报错
pip install ninja
pip install numba==0.56.4
// 顺次安装各种包
// 修改部分包的版本
// setuptools==59.5.0
pip uninstall setuptools -y
pip install setuptools==59.5.0
pip uninstall shapely -y
pip install shapely==1.8.0

在执行setup之前，需要在setup第25行添加本机显卡对应的算力设置，否则CUDA算力在编译的时候没有匹配
Ge TITAN X 对应算力为52  | RTX 3090 3080 对应算力为86 | A100 对应算力为80
添加"-gencode=arch=compute_52,code=sm_52",
添加"-gencode=arch=compute_86,code=sm_86",
 
python setup.py develop // 最后安装mmdet3d，编译通过

debug

使用单卡训练和测试见: https://blog.csdn.net/ll594282475/article/details/127925826