TraDes代码复现

2022/3/31 19:54:39 by zcb 仅以此记录

环境

• 显卡：RTX3090
• pytorch：1.7.1
• CUDA 11.0

代码下载

我直接去作者github上下载源码，直接上链接： https://github.com/JialianW/TraDeS

当然我也弄了一个百度网盘分享：

链接：https://pan.baidu.com/s/1dpTfJbAy8jNnZDPcpUUdKQ 提取码：ustb --来自百度网盘超级会员V2的分享

环境搭建

1、新建TraDes环境并激活，我的python版本是3.7：

• conda create --name TraDes python=3.7
• conda activate trades

2、Install PyTorch

论文的环境是pytorch1.3 cuda10.0，然后如果按照这个pytorch安装，接下来可能会出现DCNv2的编译问题。踩完这个坑后，我根据我的显卡是3090，能支持cuda11，以及配套的DCNv2 pytorch1.7版本比较容易找到，我选择安装pytorch1.7.1。

官网命令如下：

• conda install pytorch==1.7.1 torchvision==0.8.2 torchaudio==0.7.2 cudatoolkit=11.0 -c pytorch

3、Install COCOAPI

论文需要cocoapi数据集接口，命令如下：

这个命令的问题之一是，可能会出现联网失败，所以可能多试验几次就会好吧。

• pip install cython; pip install -U 'git+https://github.com/cocodataset/cocoapi.git#subdirectory=PythonAPI'

4、Install the requirements

requirements.txt的内容如下：

• opencv-python
• Cython
• numba
• progress
• matplotlib
• easydict
• scipy
• pyquaternion
• pyyaml
• motmetrics==1.2.0
• nuscenes-devkit==1.1.2
• scikit-learn==0.21.0

如果直接pip install -r requirements.txt，应该是会安装失败的，我是没成功过。在此我贴上我各个包的版本：

• opencv-python 4.5.5.62
• cython 0.29.26
• progress 1.6
• matplotlib 3.5.1
• easydict 1.9
• scipy 1.7.3
• pyquaternion 0.9.9
• pyyaml 6.0
• motmetrics 1.2.0
• nuscenes-devkit 1.1.2
• scikit-learn 1.0.2

我在使用cv2包时出现过一个错误，libharfbuzz.so.0报错，博客上说可能是freetype too old 的问题，我没有root权限，因此我并没有解决这个问题，但是我重新装包为以上版本时，这个错误消失了。装包的过程中应该是不会出现什么问题的，极有可能还是版本问题。

5、DCNv2的编译

首先下载DCNv2，由于我们pytorch1.7.1，所以对应下载DCNv2 support pytorch1.7的版本。

直接上链接：https://github.com/lbin/DCNv2/tree/pytorch_1.7

当然也有百度网盘分享：

链接：https://pan.baidu.com/s/1DyJIt0J0J_6qLg99FcVZmw 提取码：ustb --来自百度网盘超级会员V2的分享

步骤：

• 根据代码要求，解压并将DCNv2文件夹放入TraDes/src/lib/model/networks/文件夹下。
• 执行sh make.sh 编译DCNv2

直接编译一般会报错compute86什么的，原因是3090显卡算力太高，解决方法如下：

在.bashrc文件配置一下环境变量：

#声明一下cuda_arch:
export TORCH_CUDA_ARCH_LIST="3.5;5.0;5.2;6.0;6.1;7.0;7.5;8.0;8.0+PTX"
#声明一下cuda环境变量:
export PATH="/usr/local/cuda-11.0/bin:$PATH"
export LD_LIBRARY_PATH="/usr/local/cuda-11.0/lib64:$LD_LIBRARY_PATH"
export CUDA_HOME="/usr/local/cuda-11.0"

cuda_arch这个很重要，即使编译通过了，没设置对，也会导致DCNv2代码的后续执行错误。我觉得我这个应该没毛病，可以参考一下，对应cuda11.0.

6、到此算是完成环境配置了。

在训练过程中，如果出现cuda out of memory等，可以稍加修改batch_size等，或者是其他的解决方法，这里不赘述了。

7、训练以及跑demo可以参考TraDes作者github。

写在最后

如有疑问或者文中出错，可以交流一下。