安装过程可参考下面的博文：超详细win安装深度学习环境https://blog.csdn.net/imok1234567/article/details/140251769?ops_request_misc=%257B%2522request%255Fid%2522%253A%25221a782fed2be5bbb3ef01aa4ea12aceca%2522%252C%2522scm%2522%253A%252220140713.130102334..%2522%257D&request_id=1a782fed2be5bbb3ef01aa4ea12aceca&biz_id=0&utm_medium=distribute.pc_search_result.none-task-blog-2~all~top_positive~default-1-140251769-null-null.142^v102^pc_search_result_base2&utm_term=windows%E5%AE%89%E8%A3%85cuda11.8&spm=1018.2226.3001.4187        第5步，打开anaconda，使用命令行创建深度学习环境rcbev，配置完成后进入工程目录，运行conda activate rcbev进行激活，最后使用命令得到推理结果：

python bevdepth\exps\nuscenes\mv\bev_depth_lss_r50_256x704_128x128_24e_2key.py --ckpt_path outputs\bev_depth_lss_r50_256x704_128x128_24e_2key\lightning_logs\version_0\checkpoints\epoch=23-step=10560.ckpt -e -b 1 --gpus 1

        结果生成在viz文件夹，需要删除才会生成新的。

        第6步，配置环境验证FastBEV进行配置，出现版本不兼容问题，无法解决，因此放弃。

2、ubuntu20.04下环境配置

        第1步，重装系统，参考如下博客：

超详细安装Ubuntu系统https://blog.csdn.net/qq_42108414/article/details/139417686       

        安装完成后，可以正常运行系统，但开机弹出ACPI错误，主要影响电源使用，电脑不能睡眠，否则无法启动，只能开机、关机。

        尝试多次重装系统，包括使用Ultra ISO制作引导盘、使用RUFUS制作引导盘，更新ubuntu系统，修改系统命令等，均无法解决ACPI问题，最终放弃。

        电脑只能处于开机、锁定和关机状态，不能合上屏幕，也不能挂起，否则不能正常使用。

        第2步，安装英伟达驱动，可参考如下博文：
【ubuntu20.04环境搭建】（驱动、CUDA、CUDNN、Anaconda安装）一文全搞定https://blog.csdn.net/qdu_zty/article/details/136584139?ops_request_misc=elastic_search_misc&request_id=67baabc2eb9e0a56303817c9de37216f&biz_id=0&utm_medium=distribute.pc_search_result.none-task-blog-2~all~sobaiduend~default-1-136584139-null-null.142

        然后安装cuda11.8，因为4060的最低版本是这个，安装可参考如下：

安装cuda11.8https://blog.csdn.net/2201_75663877/article/details/145207222?ops_request_misc=elastic_search_misc&request_id=c14981a808c7727afa483409f44c4115&biz_id=0&utm_medium=distribute.pc_search_result.none-task-blog-2~all~sobaiduend~default-1-145207222-null-null.142^v102^pc_search_result_base9&utm_term=cuda%E5%AE%89%E8%A3%8511.8&spm=1018.2226.3001.4187        cuda下载链接为：https://developer.nvidia.com/cuda-toolkit-archive

        第3步，安装anaconda，配置虚拟环境，这个比较简单，需要注意添加环境变量，如果有多个版本也可用如下方式进行切换：

3、FastBEV复现

        代码复现可以参考这篇博文，写得很详细。

FastBEV代码复现https://blog.csdn.net/qq_41920323/article/details/144486606?utm_medium=distribute.pc_relevant.none-task-blog-2~default~baidujs_baidulandingword~default-1-144486606-blog-129190315.235^v43^control&spm=1001.2101.3001.4242.1&utm_relevant_index=4        本人实践时安装的是cuda11.8，但创建cuda虚拟环境后安装的是一样的cuda11.3，一样能正常使用。

        有几处不一样的点，列举如下：

        第1点，复现生成数据时，运行

python tools/create_data.py nuscenes --root-path ./data/nuscenes --out-dir ./data/nuscenes --extra-tag nuscenes --workers 10 --version v1.0-mini

        出现错误，这里需要安装ipdb库

        第2点，训练时缺少timm库，需要安装

        第3点，会报错，TypeError: FormatCode() got an unexpected keyword argument 'verify'，解决方法参考下面第一个，成功运行训练

TypeError问题解决https://blog.csdn.net/m0_50758340/article/details/140634934?ops_request_misc=elastic_search_misc&request_id=a7135e8f9f2eb98bf8b15f1d46c06f1e&biz_id=0&utm_medium=distribute.pc_search_result.none-task-blog-2~all~sobaiduend~default-1-140634934-null-null.142^v102^pc_search_result_base9&utm_term=TypeError%3A%20FormatCode%28%29%20got%20an%20unexpected%20keyword%20argument%20verify&spm=1018.2226.3001.4187

4、LSS复现

        环境安装参考第3节FastBEV复现的内容，conda、python、torch可以一样，只是因为FastBEV中安装了额外的库，会与LSS冲突，所以需要重新建一个，并不需要下载新的cuda和torch。 但需要安装依赖包，下载源代码和数据，按照github的操作执行训练、推理等任务即可

python main.py eval_model_iou mini --modelf=./model525000.pt --dataroot=./data/nuscenes --gpuid=0

python main.py viz_model_preds mini --modelf=./model525000.pt --dataroot=./data/nuscenes --map_folder=./data/nuscenes/mini --gpuid=0

5、升级驱动和cuda版本

        由于服务器H20的cuda版本为12.6，因此将cuda11.8升级，同时驱动不支持也要卸载重装，参考如下博文：

Ubuntu上卸载旧驱动重新安装NVIDIA驱动https://blog.csdn.net/ou1531037815/article/details/143563986?ops_request_misc=&request_id=&biz_id=102&utm_term=ubuntu%E4%B8%8A%E5%8D%B8%E8%BD%BD%E6%97%A7%E9%A9%B1%E5%8A%A8&utm_medium=distribute.pc_search_result.none-task-blog-2~all~sobaiduweb~default-0-143563986.nonecase&spm=1018.2226.3001.4187        测试发现LSS可以直接运行，FastBEV出现版本兼容问题，python3.8和cuda12.6不兼容。

        然后从MMCV官网找到，mmcv目前只支持python3.10，cuda到11.8，实际测试也是有问题，因此最终决定放弃，使用cuda11.8。

6、CRN复现

        CRN模型目前没有相关博文，可参考原始代码库：       CRN代码仓https://github.com/youngskkim/CRN

pip install torch==1.9.1+cu111 torchvision==0.10.1+cu111 -f https://download.pytorch.org/whl/torch_stable.html

        这里尝试把torch和cuda版本修改为FastBEV一样，可以正常安装，后续没有问题，也即

pip install torch==1.10.0+cu113 -f https://download.pytorch.org/whl/torch_stable.html
pip install torchvision==0.11.0+cu113 -f https://download.pytorch.org/whl/torch_stable.html

        后续注意几点：

        第1点，使用mini数据集，将mini改为trainval，如下面所示：

CRN
├── data
│   ├── nuScenes
│   │   ├── nuscenes_infos_train.pkl
│   │   ├── nuscenes_infos_val.pkl
│   │   ├── maps
│   │   ├── samples
│   │   ├── sweeps
|   |   ├── depth_gt
|   |   ├── radar_bev_filter  # temporary folder, safe to delete
|   |   ├── radar_pv_filter
|   |   ├── v1.0-trainval

        第2点，注意第4步下载雷达数据，否则会报错

        第3点，训练和评估时，-b表示batch_size，--gpus表示gpu数量，这里都设置为1，4060显存8G，如果有其他应用占用可以先关掉，否则可能会因为显存不够运行失败

python [EXP_PATH] --amp_backend native -b 4 --gpus 4

        最后调用显示命令，可以看到效果不行，需要大量训练