Paper——基于Ubuntu18.04跑通Lift, Splat, Shoot
原创
©著作权归作者所有:来自51CTO博客作者IrvingGao的原创作品,请联系作者获取转载授权,否则将追究法律责任
文章目录
- 1. Mini dataset
- 2. Full dataset
项目地址:https://github.com/nv-tlabs/lift-splat-shoot
数据集下载地址:https://www.nuscenes.org/download
环境配置
Python依赖
conda create -n bev python=3.7
conda activate bev
pip install torch==1.9.0+cu111 torchvision==0.10.0+cu111 torchaudio==0.9.0 -f https://download.pytorch.org/whl/torch_stable.html
pip install nuscenes-devkit tensorboardX efficientnet_pytorch==0.7.0
数据集下载
1. Mini dataset
- 下载mini即可:
- 解压数据集,并将根目录下的v1.0-mini改成mini:
Map
- 下载最新的Map expansion
- 解压到maps文件下:
2. Full dataset
依然是从网上下载得到,整理成如下格式,根目录为SAVE_PATH/nuscense/trainval
:
-
samples
和sweeps
为所有图像的数据; -
v1.0-trainval
为所有数据集的json文件。
运行
git clone https://github.com/nv-tlabs/lift-splat-shoot.git
https://github.com/lukemelas/EfficientNet-PyTorch/releases/download/1.0/efficientnet-b0-355c32eb.pth
Eval
这里的dataroot改成你自己的路径位置,GPU如果是默认一块则为0:
python main.py eval_model_iou mini --modelf=./efficientnet-b0-355c32eb.pth --dataroot=/home/pc/Dataset/nuScenes --gpuid=0
- 报错
如果在模型读取时报如下错误 - 解决方法
将报错位置的python代码改为:
model.load_state_dict(torch.load(modelf), False)
即可解决。
Visualize
和上一步配置相同:
python main.py viz_model_preds mini --modelf=./efficientnet-b0-355c32eb.pth --dataroot=/home/pc/Dataset/nuScenes --map_folder=/home/pc/Dataset/nuScenes/mini --gpuid=0
- 报错
如果在模型运行时报如下错误:(因为本机GPU卡编号和定义的不同导致报错) - 解决方法
将报错位置的python代码改为:
device = torch.device('cpu') if gpuid >= 0 else torch.device(f'cuda:{gpuid}')