3DSSD复现（ubuntu16.04+cuda+cudnn7.0+tensorflow1.4.0）持续更新...
一、cuda9.0安装
cuda9.0下载地址：
CUDA Toolkit 9.0 Downloads | NVIDIA Developer
下载完成后进行cuda9.0的安装
cuda官方安装教程：
Quick Start Guide :: CUDA Toolkit Documentation
输入：
lspci | grep -i nvidia输出显卡型号，说明支持cuda
出现在这个列表 CUDA GPUs - Compute Capability | NVIDIA Developer 中的显卡支出cuda
If your graphics card is from NVIDIA and it is listed in CUDA GPUs - Compute Capability | NVIDIA Developer your GPU is CUDA-capable.
确定版本号
uname -m && cat /etc/*release
安装前需禁用英伟达驱动：
https://docs.nvidia.com/cuda/archive/9.0/cuda-installation-guide-linux/index.html#runfile-nouveau禁用教程：
https://docs.nvidia.com/cuda/archive/9.0/cuda-installation-guide-linux/index.html#runfile-nouveau
装vim
sudo apt install vim执行命令：
sudo vim /etc/modprobe.d/blacklist-nouveau.conf
然后点击 i 进入编辑模式，输入以下下内容
blacklist nouveau
options nouveau modeset=0
按esc 再输入 ：wq！ 即可保存退出
然后进入cuda9.0所在文件目录，执行安装命令 注意文件名的一致
sudo sh cuda_9.0.176_384.81_linux.run很多，慢慢往下看
accept
接下来如图，基本都是默认y，然后继续，然后出现：驱动安装失败
解决方法：
目前无更好的解决经验，只能先安装要求的版本的驱动，再安装cuda（安装时跳过驱动的安装）
继续
sudo gedit ~/.bashrc 用 sudo gedit ~/.bashrc 命令打开~/.bashrc文件，在文件末尾添加如下:（注意路径对应自己的）
export CUDA_HOME=/usr/local/cuda
export PATH=$PATH:$CUDA_HOME/bin
export LD_LIBRARY_PATH=/usr/local/cuda-9.0/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}终端输入：nvcc -V 【V是大写】
验证是否安装成功
编译并执行CUDA样例程序，出现pass代表CUDA和GPU运行正常。
cd /usr/local/cuda-9.0/samples/1_Utilities/deviceQuery
sudo make
./deviceQuery提示：pass 则安装成功
二、安装cudnn7.0
访问：https://developer.nvidia.com/rdp/cudnn-archive
下载 这三个文件；
安装向导：https://developer.nvidia.com/compute/machine-learning/cudnn/secure/v7.0.5/prod/Doc/cuDNN-Installation-Guide
终端cd到下载的deb安装包目录下；
sudo dpkg -i 名字安装顺序：（注意名字和自己下载一致）
#1.Install the runtime library, for example:
sudo dpkg -i libcudnn7_7.0.3.11-1+cuda9.0_amd64.deb
#2.Install the developer library, for example:
sudo dpkg -i libcudnn7-dev_7.0.3.11-1+cuda9.0_amd64.deb
#3.Install the code samples and the cuDNN Library User Guide, for example:
sudo dpkg -i libcudnn7-doc_7.0.3.11-1+cuda9.0_amd64.deb验证：（第一步的/home/ubuntu/文件夹 其中ubuntu是用户名，也可以自己新建一个文件夹使用）
#复制cudnn_samples到 /home/ubuntu/文件夹下
sudo cp -r /usr/src/cudnn_samples_v7/ /home/ubuntu/
#进入root
su
#进入/home/ubuntu/cudnn_samples_v7/mnistCUDNN文件夹
cd /home/ubuntu/cudnn_samples_v7/mnistCUDNN
#清除编译内容，第一次安装的话可以跳过
make clean
#编译
make
新打开终端，进入/home/ubuntu/cudnn_samples_v7/mnistCUDNN文件夹
cd /home/ubuntu/cudnn_samples_v7/mnistCUDNN
#运行
./mnistCUDNN出现：
Test passed！
安装成功。
三、安装tensorflow1.4.0
#先更新一下pip
pip install --upgrade pip
#进入conda虚拟环境
source ~/anaconda3/bin/activate
#创建虚拟环境
conda create -n 3dssd python=3.6 #3dssd 为环境名称
#查看虚拟环境列表
cond env list
#进入需要安装Tensorflow的虚拟环境
conda activate python_env #python_env为虚拟环境的名称
#安装对应tensorflow软件包
#对于1.x版本的tensorflow，cpu、gpu软件包分开的
pip install tensorflow==1.15 #仅支持 CPU 的版本
pip install tensorflow-gpu==1.15 #支持gpu的版本（适用于 Ubuntu 和 Windows）
#2.x版本的软件包
pip install tensorflow #支持CPU和GPU的最新稳定版（适用于 Ubuntu 和 Windows）
我安装的是1.4.0
pip install tensorflow-gpu==1.4.0
pip list 查看已安装的包
如果要卸载tensorflow
pip unimstall tensorflow-gpu==1.4.0四、3DSSD复现
1.Clone this repository.
git clone https://github.com/tomztyang/3DSSD
cd 3DSSD2.Setup Python environment
conda create -n 3dssd python=3.6
source activate 3dssd
pip install -r requirements.txt2.2Download and install tensorflow-1.4.0 here which is compiled with CUDA-9.0 and CuDNN-7.0.0.
pip install tensorflow-1.4.0-cp36-cp36m-linux_x86_64.whl3.Compile and install 3DSSD library. Note that only GCC no later than version 5.0 can compile CUDA-9.0 code, make sure you install gcc-5.
bash compile_all.sh /path/to/tensorflow /path/to/cuda出错：
打开compile_all.sh 修改其内容：
修改tf和cuda的路径：
修改后提示：
evaluate.cpp:12:42: fatal error: boost/numeric/ublas/matrix.hpp: 没有那个文件或目录
compilation terminated.
gcc-5: error: tf_points_pooling_g.cu: 没有那个文件或目录
gcc-5: warning: ‘-x c++’ after last input file has no effect
gcc-5: fatal error: no input files
compilation terminated.
修改后
错误：fatal error: boost/numeric/ublas/matrix.hpp: 没有那个文件或目录
教程：fatal error: boost/numeric/ublas/matrix.hpp: 没有那个文件或目录 (No such file or directory)_Yongqiang Cheng的博客-CSDN博客
有效！
再次运行命令，完成！
4.Add 3DSSD/lib to PYTHONPATH.
export PYTHONPATH=$PYTHONPATH:/path/to/3DSSD/lib:/path/to/3DSSD/mayavi五、下载KITTI数据集
calib、image_2、label_2、velodne、下载地址：
KITTI数据集下载链接_alex1801的博客-CSDN博客_kitti数据集国内下载地址
planes下载地址：https://drive.google.com/file/d/1d5mq0RXRnvHPVeKx6Q612z0YRO1t2wAp/view
train.txt、val.txt、test.txt、trainval.txt 下载地址
why val imgs count is 3381 · Issue #36 · dvlab-research/3DSSD · GitHub
或
https://raw.githubusercontent.com/traveller59/second.pytorch/master/second/data/ImageSets/test.txt
https://raw.githubusercontent.com/traveller59/second.pytorch/master/second/data/ImageSets/train.txt
https://raw.githubusercontent.com/traveller59/second.pytorch/master/second/data/ImageSets/val.txt
https://raw.githubusercontent.com/traveller59/second.pytorch/master/second/data/ImageSets/trainval.txt
下载后按照如下所示安排文件列表
. (root directory)
|-- lib (3DSSD library file)
|-- configs (model configurations folder)
|-- ...
|-- dataset
|-- KITTI (dataset directory)
| |-- object
| |-- train.txt (KITTI train images list (3712 samples))
| |-- val.txt (KITTI val images list (3769 samples))
| |-- test.txt (KITTI test images list (7518 samples))
| |-- trainval.txt (KITTI images list (7481 samples))
| |-- training
| | |-- calib
| | |-- image_2
| | |-- label_2
| | |-- planes
| | |-- velodyne
| |-- testing
|-- NuScenes
| |-- ...
|-- ...进入3dssd环境，进入3DSSD-master文件夹
输入:
python lib/core/data_preprocessor.py --cfg configs/kitti/3dssd/3dssd.yaml --split training --img_list train提示 没有core.config
