无人驾驶：数据采集和标注，本地与曙光环境安装配置pytorch，Unet模型训练
本文是【马悦宁老师】指导完成的山东大学引航计划公益人工智能科研实训项目。
注：本文所用代码皆已上传至Github上。
无人驾驶
- 建图（Mapping）；
- 定位（Locating）：利用摄像头、激光雷达等观察环境；利用 GPS 定位；
- 路径规划（path planning）；
- 路径跟踪（path following）：横向控制（左右，转向）；纵向控制（前后，速
度）； - 目标检测与避障。
无人驾驶系统：
- 看路：感知层——外界感知（毫米波雷达，超声波雷达，摄像头，激光雷
达，传感器）； - 理解路面环境：认知层；
- 决定怎么走：决策层；
注：在行走过程中，获取自身位置：自体感知；
MPU6050 惯性测量模块：测角度；
测速传感器（宽体对射式传感器）：测速度。
- 跟着路径行走：控制层、执行层。
数据采集和标注
数据采集
采集数据流程和要求：
网页控制：开发板烧入car_html_manager，摄像头烧入IP_camera_and_record，将摄像头连到开发板上，开发板连上电源、电机和舵机。电脑/手机连上开发板热点后，通过网页（192.168.4.1）设置摄像时长及间隔时间，点击start/stop record进行摄像，start/stop stream为展示实时视频流（不需要），操控小车在跑道上行驶。可在（192.168.4.5）上查看拍摄的图片信息。
数据标注
打标签及图像处理：
用EasyData网页—立即使用—创建数据集—标注类型为图像分割—标注模板为语义分割：
上传图片：
标注图片—设置英文标签—选用多边形标注框—保存返回：
导出图片—查看导出进度：
下载文件放到"./1_segmentation/datasets/下—运行mask_rgb_to_gray.py程序将RGB转为灰度图—灰度图存放在Masks文件夹中。
本地环境配置
安装Anaconda
- 安装Anaconda；
- 配置环境：若输入
where conda没有找到的话，电脑设置—搜索环境变量—点击编辑系统环境变量—环境变量/用户、系统变量—新建PATH—C:\ProgramData\Anaconda3\condabin。
安装VScode
在VScode中安装插件python，打开设置，将刚安装的python路径即第一个粘贴在用户和工作区中（新版输入 python interpreter），见下图：
E:\Softwera\Anaconda\envs\torch_1_12\python.exe
安装Markdown Preview Enhanced插件：
安装torch（两种方法）
创建python环境：
conda create -n torch_1_12 python=3.7
激活torch环境：
conda activate torch_1_12
官网下载安装
-
打开pytorch官网：
-
用
pip3 install torchvision torchaudio命令进行安装。
下载安装torch包
pip install G:\torch-1.12.0+cpu-cp37-cp37m-win_amd64.whl
pip install torch-vision
Unet模型训练
1、了解需要的参数：
./1_segmentation/unet_torch/README.md用VScode在侧边栏打开检查输入参数的设置格式。
2、运行程序train.py：
修改train.py代码里的文件路径，在新环境中运行程序，cd到train.py所在的文件路径中执行如下命令：
python train.py -l 0.0001 -s 0.5 -e 2 -c 3
- -l：学习率
- -e：训练轮次
3、模型推理predict，预测数据：
运行程序predict_custom.py：
python predict_custom.py -i .\test\photo_19700101_000737.jpg -n -v - m ./checkpoints/0720/checkpoint_epoch1.pth -s 0.5
- -i：用test文件里的图片
- -n 不保存输出
- -v：显示图像
- -m：用train训练出来的1_segmentation/unet_torch/checkpoints/0720/
- -s：修改图像大小
注：解决resize问题（版本不一样，接口不匹配）：
pip uninstall torchvision 卸载
pip install torchvision==0.13.0 重新安装
4、训练自己的数据生成灰度图像：
将自己的数据与0719文件夹并行，在数据文件夹里创建一个Masks空文件夹，跑mask_rgb_to_gray.py代码，代码要换成自己的数据；运行temp代码：读取图片。
Python读取RGB时是BGR方式读取：bgr012，草是绿色所以1，背景是红色所以2，见下图：
生成灰度图像保存在Masks文件中，道路（0,0,0）；草（1,1,1）；：背景（2,2,2）:
曙光云端环境配置
1、进入曙光，了解账户界面（账户名与可访问队列）；
2、打开命令行了解常用命令（E-Shell）：
安装Aanconda3：
1、官网下载Anaconda3-2022.05-Linux-x86_64.sh（点小企鹅），在E-File中新建soft/Anoconda3文件夹，将Anaconda3-2022.05-Linux-x86_64.sh上传到Anoconda3文件夹中或执行下面命令：
cd soft
cd Anaconda3
wget https://repo.anaconda.com/archive/Anaconda3-2022.05-Linux-x86_64.sh
2、执行./Anaconda3-2022.05-Linux-x86_64.sh命令，见下图：
注：如果权限不够，则输入chmod +x ./Anaconda3-2022.05-Linux-x86_64.sh命令。
3、配置conda环境变量：
cd
nano ~/.bashrc
随便空地添加export PATH=/public/home/ac3lvyny3g/anaconda3/bin:$PATH，Ctrl+X键退出，yes保存，回车，退出编辑文件。
4、安装完毕，执行命令：
source ~/.bashrc
5、查看conda安装是否成功，执行命令：
which conda
安装Pytorch1.9
1、初始化conda环境：
~/anaconda3/bin/conda init
source ~/.bashrc
2、创建并激活环境：
conda create -n pytorch-1.9 python=3.6
conda activate pytorch-1.9
3、安装pytorch_1.9-rocm_4.0.1，命令如下：
pip install /public/software/apps/DeepLearning/whl/rocm-4.0.1/torch-1.9.0+rocm4.0.1-cp36-cp36m-linux_x86_64.whl -i https://pypi.tuna.tsinghua.edu.cn/simple/
4、按照’/public/software/apps/DeepLearning/whl/rocm-4.0.1/'找到并下载torchvision-0.10.0a0-cp36-cp36m-linux_x86_64.whl，将其上传到用户主目录下：
安装：pip install torchvision-0.10.0a0-cp36-cp36m-linux_x86_64.whl
5、安装其他库，opencv-python，tqdm，wandb。若无法安装则加清华镜像-i https://pypi.tuna.tsinghua.edu.cn/simple/
6、slurm脚本中添加配置MIOPEN环境变量，导入submit.sh文件，修改代码环境名。
注：conda info --envs可查找自己的torch名字
程序运行
1、上传segmentation文件夹，将submit.sh上传进去，修改环境变量名，及代码运行命令行。shell中cd到submit.sh所在目录下；
2、用salloc命令申请节点资源：
salloc -p kshdtest -N 1 --gres=dcu:4 --cpus-per-task=6
3、shh远程登录申请的服务器名：
ssh i02r1n10
4、进入环境：conda activate torch_1_12，运行./submit.sh，可修改代码中参数进行调试。
出错则把train.py里的import wandb注释掉，把num_workers改成0。