ubuntu 18.04 从零开始复现 OpenPCDet 训练kitti数据集并评估 可视化 损失函数
ubuntu 18.04 复现OpenPCDet
前言：
我已经装好了nvidia460.91.03版本驱动，并且也装了10.1版本的cuda。
但由于OpenPCDet中要装spconv(巨坑的库)，10.2以上版本的cuda才能pip安装2.0版本的spconv，不然老版本的spconv太难装了（踩坑无数）。所以为了避开spconv太难安装，我选择用高版本的cuda，后续配环境的话直接pip岂不香？
所以第一步就是 多版本cuda安装/切换 （非多版本cuda的谨慎借鉴哈！）
- 下载11.1版本的cuda run文件（官方下载网址 有其他很多版本）
wget https://developer.download.nvidia.com/compute/cuda/11.1.0/local_installers/cuda_11.1.0_455.23.05_linux.run
sudo sh cuda_11.1.0_455.23.05_linux.run
（再多一句，wget不想用的话，可以直接把wget后面（即https://developer.download.nvidia.com/compute/cuda/11.1.0/local_installers/cuda_11.1.0_455.23.05_linux.run）的网址复制到浏览器，就可以下载了。该方法适合任何wget带网址的下载）
然后就是安装11.1版本的cuda。首先在sudo sh cuda_11.1.0_455.23.05_linux.run后选择continue，然后输入accept,进入安装选项cuda installer
这里面的X代表选择，按enter键取消X消失（即不选择）。
我因为装过驱动了，所以驱动那个选项不选，其他全选了，然后就是选install，进行安装，一会就安装好了。
此时cuda11.1安装完毕，然后就是在~/.bashrc里面添加路径
原本只装一个版本的话，路径添加如下：
export LD_LIBRARY_PATH=/usr/local/cuda-10.1/lib64:$LD_LIBRARY_PATH
export PATH=/usr/local/cuda-10.1/bin:$PATH
export CUDA_HOME=/usr/local/cuda-10.1
多版本的话需要换种写法，如下：
export CUDA_HOME=/usr/local/cuda
export PATH=$PATH:$CUDA_HOME/bin
export LD_LIBRARY_PATH=/usr/local/cuda/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}
但nvcc -V后还是10.1，这是因为软连接还没有变，所以接下来就是换软连接。
sudo rm -rf /usr/local/cuda #删除之前创建的软链接
sudo ln -s /usr/local/cuda-11.1 /usr/local/cuda #创建新 cuda 的软链接
此时再换个终端nvcc -V，就会变为cuda11.1。
然后就是安装cudnn (cudnn官方下载地址)
然后选择和cuda版本相匹配的版本，这里因为我要为cuda11.1装cudnn，所以我选的是cudnn-11.1-linux-x64-v8.0.5.39.tgz
下载之后解压：
tar zxvf cudnn-11.1-linux-x64-v8.0.5.39.tgz
然后就是：
sudo cp include/cudnn*.h /usr/local/cuda/include/ #没*的话后面会报错
sudo cp lib64/lib* /usr/local/cuda/lib64/
sudo chmod a+r /usr/local/cuda/include/cudnn*.h /usr/local/cuda/lib64/libcudnn*
然后建立cudnn的软连接
cd /usr/local/cuda/lib64/
sudo chmod +r libcudnn.so.8.0.5
sudo ln -sf libcudnn.so.8.0.5 libcudnn.so.8
sudo ln -sf libcudnn.so.8 libcudnn.so
sudo ldconfig
若是有下面的错误：
借用下别人的图哈，我自己的忘记截图了！
解决办法：
对于不是符号链接的文件，执行以下操作：
sudo mv /usr/local/cuda-11.1/targets/x86_64-linux/lib/libcudnn_adv_train.so.8 /usr/local/cuda-11.1/targets/x86_64-linux/lib/libcudnn_adv_train.so.8.org
sudo mv /usr/local/cuda-11.1/targets/x86_64-linux/lib/libcudnn_adv_infer.so.8 /usr/local/cuda-11.1/targets/x86_64-linux/lib/libcudnn_adv_infer.so.8.org
sudo mv /usr/local/cuda-11.1/targets/x86_64-linux/lib/libcudnn_cnn_infer.so.8 /usr/local/cuda-11.1/targets/x86_64-linux/lib/libcudnn_cnn_infer.so.8.org
sudo mv /usr/local/cuda-11.1/targets/x86_64-linux/lib/libcudnn_ops_infer.so.8 /usr/local/cuda-11.1/targets/x86_64-linux/lib/libcudnn_ops_infer.so.8.org
sudo mv /usr/local/cuda-11.1/targets/x86_64-linux/lib/libcudnn_ops_train.so.8 /usr/local/cuda-11.1/targets/x86_64-linux/lib/libcudnn_ops_train.so.8.org
sudo mv /usr/local/cuda-11.1/targets/x86_64-linux/lib/libcudnn_cnn_train.so.8 /usr/local/cuda-11.1/targets/x86_64-linux/lib/libcudnn_cnn_train.so.8.org
然后再sudo ldconfig 就没问题了。
然后查看cudnn版本：
cat /usr/include/cudnn_version.h | grep CUDNN_MAJOR -A 2
但又来问题了：
解决办法是用下面的命令即可正确查看cudnn版本：
cat /usr/local/cuda/include/cudnn_version.h | grep CUDNN_MAJOR -A 2
至此，多版本cuda并存/切换完成。
后面开始配OpenPCDet环境
1. 创建虚拟环境
conda create -n pcdet python=3.7
安装pytorch、torchvision和torchaudio
(注意版本匹配问题，不然容易出各种问题，尽量使用我这套版本，很多人用都没问题的，我用的版本：torch1.8.1+cu111 torchvision0.9.1+cu111 torchaudio==0.8.1)：
whl轮子下载地址 推荐用
官网下载地址（但这种方法下载很慢，巨慢的，建议第一种）
我就用的是whl安装的，在whl轮子下载地址里面找到匹配版本的torch和torchvision，然后cd到下载目录pip安装他们
再安装torchaudio==0.8.1（因为我没看到它，笑死，可能眼小把！）
然后验证下成功与否和能用否：
python
import torch # 如正常则静默
torch.__version__ #查看torch版本
import torchvision
torchvision.__version__ #查看torchvision版本
torch.cuda.is_available() #正常的话返回“True”
a = torch.Tensor([1.]) # 如正常则静默
a.cuda() # 如正常则返回"tensor([ 1.], device='cuda:0')"
from torch.backends import cudnn # 如正常则静默
cudnn.is_acceptable(a.cuda()) # 如正常则返回 "True"
然后就是重头戏了！！！！安装spconv!!!
前面我们说过，10.2以上的cuda可以直接pip安装spconv如下：
pip install spconv-cu111 #我的cuda是11.1,自己根据cuda版本来选择spconv版本
安装完成（是不是很简单啊？哈哈哈！）
然后验证安装的spconv能用不：
import spconv.pytorch as spconv
哈哈，无误！！！
至此，OpenPCDet还差一小部分就OK了。
克隆OpenPCDet
git clone https://github.com/open-mmlab/OpenPCDet.git
然后安装pcdet库和一些依赖。
python setup.py develop
接下来就等把，会需要一段时间，其中scikit-image llvmlite等库 比较难下载(应该是外网的原因，科学上网应该可以轻松解决)，容易超时报错（本人试了两次都超时），解决方法(拿scikit-image举个例子，其他的类同)：
打开上面圈起来的网址，然后本地下载（确实好慢，下了十来分钟），下载完毕后在离线安装
再接着来
python setup.py develop
成功后如下图;
再贴一张conda list 图：
接下来就是准备训练拉！
首先就是准备数据（数据格式如下图）和生成数据的一些信息：
python -m pcdet.datasets.kitti.kitti_dataset create_kitti_infos tools/cfgs/dataset_configs/kitti_dataset.yaml
接下来就可以训练模型了,cd到tools下面：
python train.py --cfg_file ./cfgs/kitti_models/pointpillar_pyramid_aug.yaml --batch_size 4 --epochs 50
训练中的亚子
训练结束后会自动评估最后一个模型，然后是下面的亚子：
训练结束后，我们来demo一下看看效果：
首先安装可视化工具mayavi（这次方法不太对，总有错误，正确方法看文章最后，有正确安装方法）
pip3 install mayavi
（可以尝试下pip install mayavi 后续的错或许就没了呢？后续发现貌似先安装VTK，在安装mayavi就好了，具体可以看我下面最后有详细介绍）
静等安装完成，然后测试下能用不：
python
import mayavi
发现一切正常，心中窃喜，赶紧输入可视化命令：
python demo.py --cfg_file ./cfgs/kitti_models/pointpillar_pyramid_aug.yaml --ckpt /home/juzhen/OpenPCDet/output/cfgs/kitti_models/pointpillar_pyramid_aug/default/ckpt/checkpoint_epoch_50.pth --data_path /home/juzhen/OpenPCDet/data/kitti/testing/velodyne/000517.bin（其中的ckpt和点云数据路径根据自己的情况改下）
然后报错ModuleNotFoundError: No module named ‘importlib_resources’：
那就安装呗：pip install importlib_resources
成功后继续可视化,傻眼了，又错ModuleNotFoundError: No module named 'vtkCommonCorePython'
这次pip安装不了了，尝试解决，未果！不明白为啥，那就放弃用mayavi。 改用open3d。
pip install open3d
太慢，取消掉重新来
在后面添加镜像源
pip install open3d -i https://pypi.tuna.tsinghua.edu.cn/simple
芜湖，速度起飞！
然后安装完成测试;
没问题，继续可视化（心想总可以了把？），然而…报错ImportError: numpy.core.multiarray failed to import
那就继续克服困难把，找了半天，可算有个方法可行了（大致就是有多个numpy把）。。。。
pip show numpy
pip uninstall numpy
卸载numpy1.20.0，然后再pip show numpy
果然还有一个版本的numpy1.19.2(这个貌似是创建虚拟环境的时候安装的)，后面安装pcdet0.5.2的时候，貌似又装了（依稀记得的哈！）
卸载它！远离它！！！！
这时候pip show numpy 彻底没了，那我就再装回numpy1.20.0
然后就是见证奇迹的时刻，继续可视化！！
python demo.py --cfg_file ./cfgs/kitti_models/pointpillar_pyramid_aug.yaml --ckpt /home/juzhen/OpenPCDet/output/cfgs/kitti_models/pointpillar_pyramid_aug/default/ckpt/checkpoint_epoch_50.pth --data_path /home/juzhen/OpenPCDet/data/kitti/testing/velodyne/000517.bin（再说一次，注意路径哈）
OK，可视化木得问题啦，稍微开心下！
后面我又去看了下损失函数的图像:
pip install tensorboardX
pip install tensorflow
然后在/home/juzhen/OpenPCDet/output/cfgs/kitti_models/pointpillar_pyramid_aug/default/tensorboard（也就是events.out.tfevents.文件夹下）打开终端激活pcdet的虚拟环境，输入：
tensorboard --logdir=/home/juzhen/OpenPCDet/output/cfgs/kitti_models/pointpillar_pyramid_aug/default/tensorboard
右键打开红色框网址，查看训练过程中的损失函数可视化：
从图上可以看出损失函数并没有平滑的收敛，这是因为图片上显示的是每个batch的loss，不是epoch的loss，想看epoch的loss需要自己加点代码（我还没弄），加完后如下如所示（图片是别人的借用下。上面是每个epoch的loss图，很平滑。下面是openpcdet原始loss）：
至此，完结。撒花！！
注：
后续我又重装了一遍，可视化使用的是mayavi工具包。下面我记录下mayavi的使用记录！**使用了不同的安装命令**
在你的虚拟环境下
pip install vtk==8.1.2
pip install mayavi
python
import mayavi
看起来和我前面一样，估计还会有错，果然，我用的时候提示：
ImportError: Could not import backend for traitsui. Make sure you
have a suitable UI toolkit like PyQt/PySide or wxPython
installed.
解决方法：
pip install pyside2
然后就再试一下：
O了，木的问题！！！
以上内容仅为自己学习记录，原创不易。转载请标明出处，拜谢！！！