三维重建代码复现之cascade MVSNet环境配置

cascade MVSNet

(GitHub - kwea123/CasMVSNet_pl: Cascade Cost Volume for High-Resolution Multi-View Stereo and Stereo Matching using pytorch-lightning )是基于pytorch搭建的一个三维训练网络,它集训练,重建,分辨为一体。相比起MVSNet_pytorch(https://github.com/xy-guo/MVSNet_pytorch​github.com)该网络所需GPU内存更少,本人也试着跑过MVSNet_pytorch,2080显卡只能只用bachsize 1,勉强爬得动,截至到这篇博客,才跑完一半,结果未知,因此萌生出寻找其他基于pytorch框架的重建网络的想法。

环境配置

进入github可知这个网络需要python3.7.0,库安装他提供了一个requirements,然后需要额外安装一个Inplace-ABN用于优化网络。而这也是环境配置中比较容易出错的地方,如果cuda版本是10.0的朋友需要注意一下。由于requirements里面安装的pytorch及其torchversion分别是1.4和0.5版本的,默认适配cuda10.1,这种情况会造成后面Inplace-ABN安装报错如下图:三维重建代码复现之cascade MVSNet环境配置_第1张图片

在不能改变服务器cuda版本的情况下,而我们又需要1.4的pytorch和0.5的torchversion,解决方案如下:重新安装pytorch并指定适配cuda=10.0的版本.

 pip install torch===1.4.0+cu100 torchvision===0.5.0+cu100 -f https://download.pytorch.org/whl/torch_stable.html

 服务器会进行一次卸载已有pytorch(cuda=10.1)和torchversion并重新安装如图:三维重建代码复现之cascade MVSNet环境配置_第2张图片

 进入python并运行以下代码,若无报错则可以安装Inplace-ABN。

import torch    # 如正常则静默
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"

 安装Inplace-ABN

pip install inplace-abn

 至此环境安装完毕,可以进行代码复现了

(PS:新人第一次写博客,如有不足请指出,有其他朋友在相关方面有经验欢迎多多交流感激不尽)

你可能感兴趣的:(pytorch,深度学习,神经网络)