pointnet2（pointnet++）源码复现_pointnet2 cylinder_query

该项目的github原始地址：https://github.com/charlesq34/pointnet2

1.环境配置

1.1 环境展示

官方在ubuntu14.04上进行了测试，所用环境为：

tensorflow-gpu1.2
python2.7

我所使用的设备为2080上的ubuntu18.04,所用的环境为：

anaconda3
tensorflow-gpu 1.8.0
python 3.6
cuda 9.0
cudnn7.6
gcc 5.5

conda list如下：

接下来配置上述环境，并编译tensorflow（编译过程遇到的问题比较多）

1.2 环境配置

创建虚拟环境：conda creat -n pointnet++ python=3.6
启动环境：conda activate pointnet++
安装:tensorflow-gpu:pip install tensorflow-gpu==1.8.0
查看是否安装成功：python -c 'import tensorflow as tf; print(tf.__version__)'（安装成功：输出1.8.0）

其余环境可以在运行程序报错后依次pip安装
安装与tensorflow-gpu1.8对应的cuda和cudnn,这里需要cuda9.0，cudnn7.6，安装过程参看：ubuntu18.04下cuda9.0-cudnn7.6安装与多版本cuda共存及切换

1.3 下载源码及训练数据集

源码地址：https://github.com/charlesq34/pointnet2
修改代码：由于python2与python3的语法上的不同，需要将代码中的xrange替换为range;print后面的加括号
下载数据集：下载地址
将下载好的数据放置到pointnet2-master/data/目录下并解压，如下tree:

将代码中下载数据集的部分注释掉：在train.py 和train_multi_gpu.py中注释掉第25行的import modelnet_ht_dataset

1.4 编译tf_ops

官网中的指导：

终端输入：

python -c 'import tensorflow as tf; print(tf.sysconfig.get_include())'
输出：/home/gzz/anaconda3/envs/pointnet++/lib/python3.6/site-packages/tensorflow/include

python -c 'import tensorflow as tf; print(tf.sysconfig.get_lib())'
输出：/home/gzz/anaconda3/envs/pointnet++/lib/python3.6/site-packages/tensorflow

cd 到tf_ops文件夹，将3d_interpolation、grouping、sampling中的.sh文件进行修改（以tf_sampling_compile.sh为例）：
将下图蓝色部分改为自己的cuda版本，红色部分为上面的第一个输出，灰黑色部分为上面的第二个输出+/

#/bin/bash
/usr/local/cuda-9.0/bin/nvcc tf_sampling_g.cu -o tf_sampling_g.cu.o -c -O2 -DGOOGLE_CUDA=1 -x cu -Xcompiler -fPIC

# TF1.2
#g++ -std=c++11 tf_sampling.cpp tf_sampling_g.cu.o -o tf_sampling_so.so -shared -fPIC -I /usr/local/lib/python2.7/dist-packages/tensorflow/include -I /usr/local/cuda-8.0/include -lcudart -L /usr/local/cuda-8.0/lib64/ -O2 -D_GLIBCXX_USE_CXX11_ABI=0

# TF1.4
g++ -std=c++11 tf_sampling.cpp tf_sampling_g.cu.o -o tf_sampling_so.so -shared -fPIC -I /home/gzz/anaconda3/envs/pointnet++/lib/python3.6/site-packages/tensorflow/include -I /usr/local/cuda-9.0/include -I /home/gzz/anaconda3/envs/pointnet++/lib/python3.6/site-packages/tensorflow/include/external/nsync/public -lcudart -L /usr/local/cuda-9.0/lib64/ -L /home/gzz/anaconda3/envs/pointnet++/lib/python3.6/site-packages/tensorflow/ -ltensorflow_framework -O2 -D_GLIBCXX_USE_CXX11_ABI=0

1
2
3
4
5
6
7
8
9

三个.sh文件操作一样。
这里编译可能会遇到一些问题，我的是按照上述改成功的。
如果失败可以将最后面的-D_GLIBCXX_USE_CXX11_ABI=0改为-D_GLIBCXX_USE_CXX11_ABI=1，或者注释掉#-D_GLIBCXX_USE_CXX11_ABI=0（网上教程gcc版本高于4.0要改为1，这里一开始我是按照网上教程上来直接就改了，但是后面运行train.py文件报错，后面发现0才适合我，如果这里遇到编译失败或者编译成功后train.py报错的话可以把这几种都试试）我的报错如下：

tensorflow.python.framework.errors_impl.NotFoundError: /home/wu/pointnet2-master/tf_ops/sampling/tf_sampling_so.so: undefined symbol: _ZN10tensorflow8internal21CheckOpMessageBuilder9NewStringB5cxx11Ev

关于该问题可以参看：
官网issues48

2. 训练

python train.py
1

报错：

FileNotFoundError: [Errno 2] No such file or directory: ‘/home/wu/pointnet2-master/data/modelnet40_normal_resampled/shape_names.txt’

将data/modelnet40_normal_resampled/下的modelnet40_shape_names.txt文件改名为shape_names.txt即可

训练数据将保存在log文件夹中的log_train.txt中：

通过：tensorboard --logdir=/home/wu/pointnet2-master/log可以可视化训练过程，其中–logdir后面是你自己的log文件夹的位置

训练完以后进行验证：

python evaluate.py --num_votes 12
1