Point- GNN学习

Point- GNN学习

一、环境搭建

因为是第一次使用Windows+GPU进行实验，所以补充了很多的基础知识。

1. 了解Windows环境

conda是已经安装过了的，在Windows中打开Anaconda Prompt，输入命令nvidia-smi 查看显卡信息：

使用命令conda env list 查看本机conda上的虚拟环境以避免创建新的虚拟环境时的命名冲突 ：

2. 配置Point- GNN的环境

根据原作者公开的源码，按照README文档配置运行环境。
首先创建虚拟环境：conda create -n 环境名
激活虚拟环境：conda activate 环境名
退出虚拟环境：conda deactivate
删除虚拟环境：conda remove -n 环境名 --all
查看当前虚拟环境下的库：conda list
创建包含python的虚拟环境：conda create -n 环境名 python=X.X
查看Point- GNN的READEME：

安装CUDA10.0，参考教程：window10系统CUDA10.0安装

因为使用不同版本的tensorflow要求不同的CUDA，所以安装了多个版本的CUDA，关于多版本CUDA显卡的使用参考链接：windows下同一个显卡配置多个CUDA工具包以及它们之间的切换
唯一和上述链接中的不同之处是，在测试CUDA是否安装成功时，不是输入deviceQuery和handwidthTest，而是在命令前面加了.\：

然后继续按照要求配置环境
在当前虚拟环境下安装tensorflow：

安装其他需要的库（按照命令来即可，省略）：

3.数据集配置

数据集的介绍

KITTI数据集的相关介绍：无人驾驶之KITTI数据集介绍与应用（一）——数据组织方式介绍
KITTI数据集详解

这里使用到的是KIITTI数据集中的分任务数据集——Object detection benchmark，或者称为Object数据集。

Paper中的实验用到了3D Object Detection和 Bird‘s Eye View两部分数据。

数据集下载

因为数据集比较大，所以先保存到Google云盘再下载的。
参考链接：Colab挂载Google Drive
一个使下载国外数据集速度提升一千倍以上的方法
但是在使用该方法的时候遇到一个问题：
cannot write to…… 忘记截图了，所以最后使用x雷下的。
image下载链接：https://s3.eu-central-1.amazonaws.com/avg-kitti/data_object_image_2.zip
calib下载链接：https://s3.eu-central-1.amazonaws.com/avg-kitti/data_object_calib.zip
点云数据下载链接为：https://s3.eu-central-1.amazonaws.com/avg-kitti/data_object_velodyne.zip
label下载链接：https://s3.eu-central-1.amazonaws.com/avg-kitti/data_object_label_2.zip
下载后的数据集为：

Ending