FFB6D 环境配置指南：原生系统安装 ¶
约 293 个字 96 行代码 预计阅读时间 3 分钟 共被读过 次
1. 系统要求 ¶
- Ubuntu 20.04/22.04/24.04
- NVIDIA GPU（支持 CUDA）
- 至少 8GB 内存
- 至少 30GB 磁盘空间
2. 基础环境配置 ¶
2.1 安装 NVIDIA 驱动 ¶
Bash
# 添加NVIDIA包仓库
sudo add-apt-repository ppa:graphics-drivers/ppa
sudo apt-get update
# 安装NVIDIA驱动
sudo apt-get install -y nvidia-driver-535 # 根据需要选择版本
# 重启系统
sudo reboot
# 验证安装
nvidia-smi
2.2 安装 CUDA 和 cuDNN ¶
Bash
# 下载并安装CUDA 11.0
wget https://developer.download.nvidia.com/compute/cuda/11.0.3/local_installers/cuda_11.0.3_450.51.06_linux.run
sudo sh cuda_11.0.3_450.51.06_linux.run
# 配置环境变量
echo 'export PATH=/usr/local/cuda-11.0/bin:$PATH' >> ~/.bashrc
echo 'export LD_LIBRARY_PATH=/usr/local/cuda-11.0/lib64:$LD_LIBRARY_PATH' >> ~/.bashrc
source ~/.bashrc
# 下载并安装cuDNN 8.0
# 注：需要从NVIDIA开发者网站下载cuDNN v8.0，解压后：
sudo cp cuda/include/cudnn*.h /usr/local/cuda/include
sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64
sudo chmod a+r /usr/local/cuda/include/cudnn*.h /usr/local/cuda/lib64/libcudnn*
2.3 安装系统依赖 ¶
Bash
sudo apt-get update
sudo apt-get install -y \
python3.6 \
python3.6-dev \
python3-pip \
git \
cmake \
build-essential \
libopencv-dev \
libglib2.0-0 \
libsm6 \
libxext6 \
libxrender-dev \
libboost-all-dev \
libeigen3-dev
2.4 配置 Python 环境 ¶
Bash
# 设置Python 3.6为默认版本
sudo update-alternatives --install /usr/bin/python3 python3 /usr/bin/python3.6 1
sudo update-alternatives --set python3 /usr/bin/python3.6
# 配置pip镜像源
pip3 config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple
# 升级pip
python3 -m pip install --upgrade pip
3. 安装 PyTorch 和依赖包 ¶
3.1 安装 PyTorch ¶
Bash
pip3 install torch==1.10.2+cu113 torchvision==0.11.3+cu113 -f https://download.pytorch.org/whl/torch_stable.html
3.2 安装项目依赖 ¶
创建 requirements.txt 并安装依赖：
requirements.txt 内容：
Text Only
h5py
numpy
pyyaml==5.4.1
enum34
future
scipy==1.4.1
opencv_contrib_python==3.4.2.16
transforms3d==0.3.1
scikit_image==0.13.1
lmdb==0.94
setuptools==41.0.0
cffi==1.11.5
easydict==1.7
plyfile==0.6
pillow==8.2.0
dataclasses
glumpy
tqdm
tensorboardX
pandas
scikit-learn
scipy
termcolor
pybind11
4. 编译和安装特殊组件 ¶
4.1 编译 apex ¶
Bash
git clone https://github.com/NVIDIA/apex
cd apex
export TORCH_CUDA_ARCH_LIST="6.0;6.1;6.2;7.0;7.5"
python setup.py install -v
cd ..
4.2 安装和编译 normalspeed ¶
Bash
# 1. 准备OpenCV环境
pip uninstall opencv-python opencv-python-headless -y
pip install opencv-python==4.5.3.56
# 2. 克隆并安装normalspeed
git clone https://github.com/hfutcgncas/normalspeed.git
cd normalspeed/normalSpeed
# 安装编译依赖
sudo apt-get install python3-pybind11
pip3 install Cython==0.29.15
# 清理并重新安装
rm -rf build/ dist/ *.egg-info/
python3 setup.py install --user
cd ../..
5. 克隆和配置 FFB6D ¶
Bash
# 克隆代码
git clone https://github.com/ethnhe/FFB6D.git
cd FFB6D
# 创建必要的目录
mkdir -p datasets models train_log
# 配置环境变量
export PYTHONPATH=$PYTHONPATH:$(pwd)
6. 验证安装 ¶
Bash
# 验证CUDA支持
python3 -c "import torch; print('CUDA available:', torch.cuda.is_available())"
# 验证apex安装
python3 -c "from apex import amp; print('APEX installed')"
# 验证normalspeed安装
python3 -c "import normalSpeed; print('normalspeed installed')"
7. 常见问题 ¶
7.1 网络问题 ¶
Bash
# 使用代理（如需要）
export http_proxy="http://proxy:port"
export https_proxy="http://proxy:port"
# 或使用国内镜像源
pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple
7.2 版本兼容性问题 ¶
- 确保 NVIDIA 驱动版本支持 CUDA 11.0
- 确保 Python 包版本相互兼容
- 检查 CUDA 版本与 PyTorch 版本的匹配
7.3 编译错误 ¶
- 确保已安装所有必要的编译工具
- 检查 CUDA 路径配置是否正确
- 确认系统库版本是否满足要求
8. 训练 ¶
按照官方文档配置 LineMOD 数据集并开始训练。