TraDes程式碼復現

2022/3/31 19:54:39 by zcb 僅以此記錄

環境

• 顯示卡：RTX3090
• pytorch：1.7.1
• CUDA 11.0

程式碼下載

我直接去作者github上下載原始碼，直接上鍊接： https://github.com/JialianW/TraDeS

當然我也弄了一個百度網盤分享：

連結：https://pan.baidu.com/s/1dpTfJbAy8jNnZDPcpUUdKQ 提取碼：ustb --來自百度網盤超級會員V2的分享

環境搭建

1、新建TraDes環境並激活，我的python版本是3.7：

• conda create --name TraDes python=3.7
• conda activate trades

2、Install PyTorch

論文的環境是pytorch1.3 cuda10.0，然後如果按照這個pytorch安裝，接下來可能會出現DCNv2的編譯問題。踩完這個坑後，我根據我的顯示卡是3090，能支援cuda11，以及配套的DCNv2 pytorch1.7版本比較容易找到，我選擇安裝pytorch1.7.1。

官網命令如下：

• conda install pytorch==1.7.1 torchvision==0.8.2 torchaudio==0.7.2 cudatoolkit=11.0 -c pytorch

3、Install COCOAPI

論文需要cocoapi資料集介面，命令如下：

這個命令的問題之一是，可能會出現聯網失敗，所以可能多試驗幾次就會好吧。

• pip install cython; pip install -U 'git+https://github.com/cocodataset/cocoapi.git#subdirectory=PythonAPI'

4、Install the requirements

requirements.txt的內容如下：

• opencv-python
• Cython
• numba
• progress
• matplotlib
• easydict
• scipy
• pyquaternion
• pyyaml
• motmetrics==1.2.0
• nuscenes-devkit==1.1.2
• scikit-learn==0.21.0

如果直接pip install -r requirements.txt，應該是會安裝失敗的，我是沒成功過。在此我貼上我各個包的版本：

• opencv-python 4.5.5.62
• cython 0.29.26
• progress 1.6
• matplotlib 3.5.1
• easydict 1.9
• scipy 1.7.3
• pyquaternion 0.9.9
• pyyaml 6.0
• motmetrics 1.2.0
• nuscenes-devkit 1.1.2
• scikit-learn 1.0.2

我在使用cv2包時出現過一個錯誤，libharfbuzz.so.0報錯，部落格上說可能是freetype too old 的問題，我沒有root許可權，因此我並沒有解決這個問題，但是我重新裝包為以上版本時，這個錯誤消失了。裝包的過程中應該是不會出現什麼問題的，極有可能還是版本問題。

5、DCNv2的編譯

首先下載DCNv2，由於我們pytorch1.7.1，所以對應下載DCNv2 support pytorch1.7的版本。

直接上鍊接：https://github.com/lbin/DCNv2/tree/pytorch_1.7

當然也有百度網盤分享：

連結：https://pan.baidu.com/s/1DyJIt0J0J_6qLg99FcVZmw 提取碼：ustb --來自百度網盤超級會員V2的分享

步驟：

• 根據程式碼要求，解壓並將DCNv2資料夾放入TraDes/src/lib/model/networks/資料夾下。
• 執行sh make.sh 編譯DCNv2

直接編譯一般會報錯compute86什麼的，原因是3090顯示卡算力太高，解決方法如下：

在.bashrc檔案配置一下環境變數：

#宣告一下cuda_arch:
export TORCH_CUDA_ARCH_LIST="3.5;5.0;5.2;6.0;6.1;7.0;7.5;8.0;8.0+PTX"
#宣告一下cuda環境變數:
export PATH="/usr/local/cuda-11.0/bin:$PATH"
export LD_LIBRARY_PATH="/usr/local/cuda-11.0/lib64:$LD_LIBRARY_PATH"
export CUDA_HOME="/usr/local/cuda-11.0"

cuda_arch這個很重要，即使編譯通過了，沒設定對，也會導致DCNv2程式碼的後續執行錯誤。我覺得我這個應該沒毛病，可以參考一下，對應cuda11.0.

6、到此算是完成環境配置了。

在訓練過程中，如果出現cuda out of memory等，可以稍加修改batch_size等，或者是其他的解決方法，這裡不贅述了。

7、訓練以及跑demo可以參考TraDes作者github。

寫在最後

如有疑問或者文中出錯，可以交流一下。