环境配置
-
安装Anaconda
-
创建conda环境
conda create -n MVSNet python=3.6
,并激活conda activate MVSNet
-
首先在conda中安装Pyorch
- 首先通过
cat /usr/local/cuda/version.txt
查看CUDA版本 (比如我的是CUDA Version 10.0.130
) - 然后在pytorch官网之前的版本中找
- 首先通过
- 安装这条命令即可
- 安装完在命令行进入python,通过`import torch`和`torch.cuda.is_available()`测试是否安装成功,如果输出True则万事大吉
-
安装OpenCV
conda install -c <https://conda.anaconda.org/menpo> opencv
-
安装tensorboard(由于版本和体系问题非常烦),推荐按照我的这个方法来安,
conda install protobuf==3.19.1 tensorboardX==1.8 tensorboard==1.14.0 absl-py grpcio
首先制定protobuf的版本,然后把tensorboardX和tensorboard的版本都定死到这个版本,最后再补充安装一些可能会没有的库
在我配tensorboard遇到的主要问题就是protobuf版本跟tensorboard不匹配,如果直接
conda install tensorboard
会直接安装最新的protobuf,后续怎么都降不下来
汇总的步骤大致如下,记得切换自己的版本
conda create -n MVSNet python=3.6
# PyTorch
# cuda 10.0
conda install pytorch==1.2.0 torchvision==0.4.0 cudatoolkit=10.0 -c pytorch
# opencv
conda install -c <https://conda.anaconda.org/menpo> opencv
conda install -c conda-forge plyfile
conda install scipy scikit-learn matplotlib Pillow tqdm
# tensorboard(注意要换源)
conda install protobuf==3.19.1 tensorboardX==1.8 tensorboard==1.14.0 absl-py grpcio
最终通过一个简单的测试看看自己的环境是否可用
import torch
torch.cuda.is_available()
import cv2
import tensorboardX
Train
MVS_TRAINING="xxx/Data/MVS/train/dtu"
CUDA_VISIBLE_DEVICES=5,6,7 python train.py \
--dataset=dtu_yao \
--batch_size=6 \
--trainpath=$MVS_TRAINING \
--trainlist lists/dtu/train.txt \
--testlist lists/dtu/test.txt \
--numdepth=192 \
--logdir ./checkpoints/baseline $@
Test / Eval
DATASET_ROOT="xxx/Data/MVS/test/dtu"
CUDA_VISIBLE_DEVICES=3 python eval.py \
--dataset=dtu_yao_eval \
--batch_size=1 \
--testpath=$DATASET_ROOT \
--testlist="lists/dtu/test.txt" \
--outdir="./outputs/baseline_0/" \
--loadckpt="./checkpoints/baseline/model_000000.ckpt" $@