一、安裝NVIDIA驅(qū)動、cuda、cudnn

1. 在nvidia官網(wǎng)根據(jù)自己的設別下載對應版本的NVIDIA驅(qū)動、cuda、cudnn 例如：64位pc、RTX2080 -> cuda10.2
   1)cuda版本選擇

   lshw -numeric -C display  ///>   查看顯卡型號
   lspci | grep -i nvidia    ///> 或 查看本機顯卡
   

2. 安裝nvidia
   1）舊驅(qū)動卸載以及禁用自帶的 nouveau

   sudo apt-get purge nvidia*                       ///>   卸載舊的驅(qū)動   
   sudo apt-get autoremove
   sudo vi /etc/modprobe.d/blacklist-nouveau.conf   ///>  禁用自帶的 nouveau nvidia驅(qū)動
   

   加入一下內(nèi)容：

   blacklist nouveau 
   options nouveau modeset=0
   

   sudo update-initramfs -u    ///> 更新一下
   lsmod | grep nouveau        ///> 無輸出表示禁用生效
   

   
   
   2）顯示器設置
   臺式pc:將顯示器接口插入到主機集成顯卡接口
   筆記本pc:進入bios目錄，關掉獨立顯卡顯示

   3）進入系統(tǒng)文本編輯

   sudo telinit 3
   

   4）安裝驅(qū)動

   sudo chmod a+x NVIDIA-Linux-x86_64-450.80.02.run       ///>  切換到驅(qū)動文件路徑下，并給驅(qū)動文件增加可執(zhí)行權限
   ./NVIDIA-Linux-x86_64-450.80.02.run --no-opengl-files  ///>  執(zhí)行  默認執(zhí)行即可
   nvidia-smi
   

   顯示如下：
   

   image
   
   
   

3. 安裝cuda
   1）卸載舊版本的cuda

   sudo /usr/local/cuda-8.0/bin/cuda_uninstall    ///> 根據(jù)老版本的cuda名卸載
   sudo rm -rf /usr/local/cuda-8.0
   

   2）安裝新版的cuda

   sudo sh cuda_10.0.130_410.48_linux.run        ///> 安裝cuda
   sudo /etc/init.d/lightdm start                ///> 安裝好后，打開圖形界面     
   sudo gedit ~/.bashrc                          ///> 更改環(huán)境變量
   

   添加如下內(nèi)容：

    export PATH=/usr/local/cuda-10.0/bin${PATH:+:${PATH}}       
    export LD_LIBRARY_PATH=/usr/local/cuda-10.0/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}   
    export CUDA_HOME=/usr/local/cuda-10.0
   

   source ~/.bashrc    ///> 環(huán)境變量生效
   nvcc -V             ///>  查看cuda是否安裝成功
   

4. 安裝cudnn

   sudo dpkg -i  libcudnn8-samples_ 
   sudo dpkg -i  libcudnn8_   
   sudo dpkg -i  libcudnn8-dev
   

二、下載PointRCNN ，其基于pytorch1.0，修改適應ubuntu1804LTS pytorch1.7

1. 下載pointRCNN：參考pointRCNN中readme

   git clone --recursive https://github.com/sshaoshuai/PointRCNN.git
   pip install easydict tqdm tensorboardX -i https://pypi.tuna.tsinghua.edu.cn/simple
   

   
   
2. pointRCNN源碼解決pytorch版本不匹配問題
   1）修改cuda支持問題
   
   image

   grep AT_CHECK -rn .  ///> 在pointRCNN源碼路徑下搜索，并依次替換
   grep THCState_getCurrentStream(state) -rn .   ///> 在pointRCNN源碼路徑下搜索，并依次替換
   

   2）預訓練模型(提供了car的預訓練模型)直接受三個通道，因此需要將intensity排除

   __C.RPN.USE_INTENSITY = False   ///> pointRCNN/lib/config.py中
   

3. 安裝一些庫

   sh build_and_install.sh
   

4. 評估預訓練模型：github預訓練模型與評估代碼
   1）將下載的KITTI數(shù)據(jù)集安裝以下結(jié)構，放入pointRCNN源碼源碼目錄中
   
   image
   
   
   
   2）輸出預測結(jié)果：data文件夾
   運行以下語句將在/PointRCNN/output/rcnn/default/eval/epoch_no_number/val/final_result 路徑下輸出

   python eval_rcnn.py --cfg_file cfgs/default.yaml --ckpt PointRCNN.pth --batch_size 1 --eval_mode rcnn --set RPN.LOC_XZ_FINE False
   

   3）評估預測結(jié)果
   ?? a. write the CmakeLists.txt

       ///  CmakeLists.txt
       cmake_minimum_required(VERSION 3.0)
       project(evaluate_detect_3d_offline)
       add_executable(evaluate_detect_3d_offline evaluate_object_3d_offline.cpp)
   

   ?? b. make generate evaluate_detect_3d_offline
   ?? c. ./evaluate_detect_3d_offline gt_dir result_dir
   ???? 其中, gt_dir = Dataset/KITTI/data_object_label_2/training/label_2;
   ????result_dir = /home/zc/MyFile/git/dataset/kitti_eval/pred;