【环境搭建】开山之作MVSNet实验配置及训练测试

环境配置

1. 安装
2. 创建conda环境 conda create -n MVSNet python=3.6，并激活conda activate MVSNet
3. 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) 然后在之前的版本中找

-   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

1. 安装OpenCV conda install -c <https://conda.anaconda.org/menpo> opencv
2. 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" $@