1、前言
最近實驗室購入3D的攝像機，想要應用於圖像識別，鋼哥讓我找一找相應的3D識別項目。
我在github上面找到了pointnet這個項目,但是由於這個項目采用的是Python 2.7, TensorFlow 1.0.1, 我是想找個基於Pytorch框架, Python3.X版本的,所以根據官方提示,我找到了pointnet.pytorch這個版本.
我其實不太懂這個深度學習這一塊,之前有過利用YoloV3的經歷也是在網上搜索相應的教程后,經過相當時間的掙扎、痛苦,然后才成功運行的,我搜索了pointnet相關的教程,卻是沒有找到多少在Windows系統下運行的。多是復現github上的項目,在Linux或是 Ubuntu上運行。奈何我本人對這兩種系統一點也不了解,所以在window10成功運行pointnet.pytorch版本后,做一個記錄.
2、配置環境
Anaconda+Pycharm
Cuda10.2
Cudnn8.1.0
Python3.7
Cuda和Cudnn版本號需要匹配
3、准備工作
3.1、創建虛擬環境
打開Annaconda Promt，創建一個虛擬環境專門應用於Pointnet.Pytorch項目的運行。
conda create -n <虛擬環境的名字> python=<版本號>
conda create -n pointnet python=3.7
成功創建
輸入activate pointnet 激活環境
3.2、下載文件
cd進入E:/lyh文件下
輸入
git clone https://github.com/fxia22/pointnet.pytorch
將github上的項目下載下來,若是網絡不好,也可以先在github上下載完后解壓直接放在指定的目錄下
3.3、下載環境所需要的庫
在anaconda prompt 下輸入進入pointnet.pytorch的命令
輸入pip install -e .(包括后面的句號小點)
pip install -e .
程序會按照setup.py文件里的安排，把python相應的庫下好
這里在下載torch的時候會出現問題比如ReadtimeOut的超時問題（這個問題我是掛梯子解決的）。
下載完以后由於怕torch版本過高，所以我卸載程序自動下載的torch1.9版本，安裝了一個torch1.5.0的版本。
可以選擇離線下載torch庫，在這個網址中查詢與cuda、cudnn、python對應的版本，像我的話由於怕pytorch版本過高，GitHub這個項目原本就只是用了torch1.0.1的版本，所以我選擇了python3.7，cuda10.2所能配置的最低版本
torch-1.5.0-cp37-cp37m-win_amd64.whl
在進入相應路徑下，
pip install torch-1.5.0-cp37-cp37m-win_amd64.whl
安裝torch庫
4、數據集
github文檔中 build.sh下載的是可視化的過程,這個暫時我還不知道怎么處理
download.sh的話是下載數據集,可以直接根據
https://shapenet.cs.stanford.edu/ericyi/shapenetcore_partanno_segmentation_benchmark_v0.zip
進行下載
下載完后解壓在pointnet.pytorch文件夾下即可.
5、運行過程及出現的問題
用pycharm打開pointnet.pytorch,在終端cd utils 進入utils,輸入
python train_classification.py --dataset=E:\lyh\pointnet.pytorch\shapenetcore_partanno_segmentation_benchmark_v0\ --nepoch=5 --dataset_type=shapenet
5.2、問題1
UserWarning: Detected call of `lr_scheduler.step()` before `optimizer.step()`. In PyTorch 1.1.0 and late
r, you should call them in the opposite order: `optimizer.step()` before `lr_scheduler.step()`. Failure to do this will result in PyTorch skipping the first value of the learning rate schedule.
這是PyTorch1.1.0版本以后會出現的問題,這里需要更改train.classification.py文件里兩句話的位置
5.3、問題二
if __name__ == '__main__':
freeze_support()
...
The "freeze_support()" line can be omitted if the program
is not going to be frozen to produce an executable.
將代碼塊置於if __name__ == '__main__':之下
再次輸入對應的命令,即可運行成功!
6、參考
Detected call of lr_scheduler.step() before optimizer.step()
PyTorch：The "freeze_support()" line can be omitted if the program is not going to be frozen
python進程池multiprocessing.Pool運行錯誤：The "freeze_support()" line can be omitted if the program is not g