DenseFusion复现详解（全流程图解）

配置：ubuntu18.04，RTX2060，virtualenv，python3.6，cuda100，torch1.0.0

github链接：densefusion-pytroch1.0.0

我是通过virtualenv安装的虚拟环境，因为不太会用anaconda，cuda配置总是弄不好，所以通过更改系统cuda软链接来调整cuda版本。

cuda配置

调整系统cuda版本的方式：

sudo rm -rf /usr/local/cuda    
sudo ln -s /usr/local/cuda-xx.x /usr/local/cuda     # cuda-xx.x根据自己情况，自行更改

在终端输入nvcc -V 查看是否调整为想要的cuda版本

成功调整为cuda 10.0

安装pytorch

直接在官网搜索就行了：pytorch下载

一定要选自己cuda版本的torch和torchvision！

下好之后在终端pip即可

pip install torch-1.0.0-cp36-cp36m-linux_x86_64.whl torchvision-0.2.0-py2.py3-none-any.whl

torch安装测试

运行测试文件，测试文件，输出
注意cuda版本是10.0，如果是cuda9.0后面会报错

包安装

后续安装densefusion需要的包

sudo apt-get update
pip install scipy numpy pyyaml matplotlib opencv-python

链接数据集

下载linemod数据集：google云盘下载困难，我上传了百度云盘

把linemod数据集软链接在项目目录下：
（可以把数据下载到硬盘中，然后链接到项目目录下，这样数据集就不占电脑空间）

ln -s  /home/datasets/Linemod_preprocessed   /DenseFusion-master/datasets/linemod/Linemod_preprocessed

出现一个链接就成功了
然后把上面下载的文件中有一个trained_checkpoints复制到项目目录下（文件夹里是预训练模型，作者提供的，测试要用）

代码修改

由于环境包的函数更新等问题，需要对源代码改两个地方：
(1)/DenseFusion-Pytorch-1.0/datasets/linemod/dataset.py : 218行

改为

contours, _ = cv2.findContours(mask, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)

去掉前面的 _ ,

(2)/DenseFusion-Pytorch-1.0/tools/eval_linemod.py : 59行

meta = yaml.load(meta_file,Loader=yaml.FullLoader)

加上后面的 Loader=yaml.FullLoader

编译knn-pytorch包

进入/DenseFusion-Pytorch-1.0/lib/knn

python setup.py build

python setup.py install

看到生成build和dist文件夹。进入dist文件夹，将里面的knn_pytorch-0.1-py3.6-linux-x86_64.egg文件解压，将knn_pytorch-0.1-py3.6-linux-x86_64里面的so和knn_pytorch.py文件复制到//DenseFusion-Pytorch-1.0/lib/knn目录。

最终knn文件夹截图如下

代码跑通

到现在densefusion的环境配置就完成了，进行验证

bash ./experiments/scripts/eval_linemod.sh

成功运行！

最终结果：

---

补充：docker配置

补充一个其他人的docker，原github链接：hoangcuongbk80/Object-RPE

作者的原docker链接：hoangcuongbk80/densefusion-pytorch-1.0
我改过的docker链接：yel1998/yel_ds（ 添加了阿里云源，安装了opencv-python ）

也调试通过了，成功截图：

docker配置还需要学一些新知识，pull image，run container，和宿主机映射文件夹等，还配置了ssh通过pycharm调试。但是由于ssh服务时不时的自己卸载，pycharm就连不上了。不如本机虚拟环境稳定，还是优先考虑virtualenv
（流程繁琐，想了解的评论区问吧）