本地環境
Ubuntu20.04 + anaconda + tensorflow-gpu1.3.0 + cudatookit8.0 +
cudnn6.0 + protobuf3.14.0(protobuf用3.2.0會報錯)
1. protobuf檔案解釋
protobuf是google的一個開源的用來做資料通信的庫，在avod/protos檔案中有很多.proto檔案，這些檔案定義了通信用的資料內容和格式，但是想在程式中使用他們，得使用protobuf對他們進行編譯，給每個.proto檔案生成一個python檔案，執行中之后會提示有語法錯誤，只需看avod/protos檔案中是否生成了python檔案，生成即可，
2. 配置環境變數
工程是基于python撰寫的，定義了很多模塊，這些模塊之間需要互相呼叫，但各個模塊又是相對獨立的，所以需要把各個模塊的路徑添加到python的環境變數中，以方便他們之間互相呼叫，不配置環境變數導致呼叫包的時候報錯
在終端輸入以下指令打開設定環境變數的檔案，添加絕對路徑(沒有gedit用vim)
gedit ~/.bashrc
export PYTHONPATH=/path/to/your/avod:/path/to/your/avod/wavedata：$PYTHONPATH
source ~/.bashrc
3. 準備資料集
原作者使用KITTI資料集，其中說明一下附加資料檔案，包括以下兩部分：
trainval.txt、train.txt、val.txt：這三個檔案幫助程式把訓練資料又重新分為訓練集和驗證集
planes：這個是作者自己生成的路面平面擬合引數，
最后把下載好的Kitti資料集調整至如下格式：
4. 生成min-batch
mini-batch 是 RPN 所需要的東西,執行成功后會在avod/data/下生成如下兩個檔案夾label_clusters和mini_batches
5. 訓練
執行python avod/experiments/run_training.py 若只有單塊GPU， 將run_training.py中的default_device改成0
6. 訓練后查看tensorboard
7. 查看結果
執行demos/show_predictions_2d.py會產生結果圖，圖片自動存放在檔案夾avod/data/outputs/pyramid_cars_with_aug_example/predictions/images_2d/predictions/val/120000/0.1中
轉載請註明出處，本文鏈接：https://www.uj5u.com/qita/229404.html
標籤：AI