***深度学习论文代码复现

前置工作

安装Ubuntu18.04

安装Nvidia显卡驱动

安装anaconda

安装CUDA与cuDNN

通过软链接的修改实现多版本CUDA间的切换

将~/.bashrc 下与cuda相关的路径都改为　/usr/local/cuda/　而不使用　/usr/local/cuda-10.2/ 或/usr/local/cuda-11.4/。
切换版本时只需执行以下命令：

rm -rf /usr/local/cuda   #删除之前创建的软链接
sudo ln -s /usr/local/cuda-11.4 /usr/local/cuda
nvcc --version    #查看当前 cuda 版本

创建conda环境

conda常用命令

conda list
conda env list
conda create -n your_env_name python=x.x

依赖库的安装

前置工作-更新cmake 3.21.1

下载cmake source文件

Cmake官网下载地址,有两种安装文件：Source distributions/ Binary distributions，这里我们选择 Source distributions来进行。（选择cmake-3.21.1.tar.gz）

下载之后将文件移动到/opt下（非必要操作）

解压文件

sudo tar zxvf cmake-3.21.1.tar.gz

安装依赖库

sudo apt-get install libssl-dev
sudo apt-get install g++ #非必须

编译安装

进入到解压后的文件夹下打开终端,输入

sudo ./bootstrap
sudo make
sudo make install
cmake --version #检查版本

有人接下来查看cmake --version的时候发现报错bash: /usr/bin/cmake: No such file or directory，具体什么原因呢？—> 因为直接使用cmake，系统默认去/usr/bin中去寻找，所以建立个软连接就好了，即：

whereis cmake #寻找cmake所在的目录
sudo ln -sf /opt/cmake-3.21.1/bin/* /usr/bin/
cmake --version #检查版本

安装pytorch 1.9.0

去pytorch官网获取安装命令

pip install torch==1.9.0+cu111 torchvision==0.10.0+cu111 torchaudio==0.9.0 -f https://download.pytorch.org/whl/torch_stable.html

安装spconv 1.2.1

这个库比较特殊,需要自己生成whl文件来安装,而且spconv又是基于cython的，所以需要把pybind的源码也加入到spconv中的third_party/pybind11文件夹中

下载源码

去spconv的GitHub地址和pybind11的GitHub地址下载源码

把pybind的源码粘贴到spconv源码中的third_party/pybind11文件夹中

安装依赖库

sudo apt-get install libboost-all-dev

这里需要cmake >= 3.12.2

编译

确保已经装好pytorch1.0+的情况下

python setup.py bdist_wheel #生成.whl文件
cd ./dist #一定要进入此目录再pip
pip install spconv

安装torch-scatter

需要在官网下载对应版本的.whl文件,再进行pip安装

选择匹配python,pytorch,cuda的版本

修改yaml文件