SJTU CyberSmart

学习目录

2021/02/22 blog

环境配置

  • 后期作业有深度学习相关内容，建议从最开始就使用如下配置完成作业，这样从头学到尾，环境配置都不用来回折腾

  • 基础配置

    • 操作系统：ubuntu16.04 / ubuntu18.04
      • 用windwows也可以，就是可能会遇到坑然后解决不了，因为大部分人还是用ubuntu进行学习和开发。
    • 编程语言：Anaconda + python3.7
      • anaconda是python运行环境，安装好后可以启动任意版本的python环境，所以只要安装了anaconda就等于安装好了python
      • 用C++也可以，就是代码写起来难度更大；后面搞深度学习还是要切回python；特别是大作业结合了深度学习和经典算法内容，如果是分别用C++和Python实现的，难以统一起来完成大作业，所以建议直接python从头写到底。
    • 必备python库：Opend3D
      • 点上面的链接进入github仓库页面，按照下面的install操作进行安装。

  • 深度学习配置

    • nvidia驱动安装（百度上有很多教程，注意ubuntu16.04和ubuntu18.04安装步骤可能不一样）
    • pytorch安装
    • cuda安装
      • 实际上，安装完驱动和pytorch之后，就可以通过pytorch编程用显卡训练自己写的简单一点的网络了。
      • 但是在跑PointRCNN这种开源网络的时候还是会提示OsError: CUDA_HOME environment variable is not set。
      • 这时候就需要安装cuda了。

注意

  • 环境配置一定要搞好，后面才能顺顺利利地完成作业。
  • 可以先搞好基础配置，就可以完成前几章的作业了。
  • 前几节课内容简单，作业做完后可以继续鼓捣深度学习的环境配置。

数据集下载

各章节需要的数据集统计

  • 第一章:modelnet40_normal_resampled, KITTI depth dataset(Optional)
  • 第四章:KITTI 3D object detection
  • 第五章:modelnet40_normal_resampled
  • 第六章:KITTI 3D object detection
  • 第七章:modelnet40_normal_resampled
  • 第八章:modelnet40_normal_resampled
  • 第九章:registration_dataset.zip
  • Final Project:KITTI 3D object detection

Search

    Table of Contents