教學手冊

訓練模型

cd /path/to/6DoF/Dockershare/tools/dataset
unzip dataset.zip

cd /path/to/6DoF/Dockershare/tools/
python LSTM.py

訓練環境設定，可選擇：

1. 自行安裝環境
2. 使用 docker 啟動訓練環境

系統需求

• OS: Windows 10 or Ubuntu 18.04

使用 GPU

• 顯示卡 compute capability >= 3.0
• NVIDIA Driver 410+
• CUDA 9.0 Runtime Library

安裝環境

環境需求：

1. CUDA 9.0
2. Miniconda3
3. pytorch 1.3

以下指令在 Ubuntu 18.04 測試通過。

CUDA 9.0

安裝 CUDA 9.0

從 官網 下載 CUDA 安裝檔並安裝。

wget https://developer.nvidia.com/compute/cuda/9.0/Prod/local_installers/cuda_9.0.176_384.81_linux-run
sudo sh cuda_9.0.176_384.81_linux-run

NOTE: 如果已經安裝 NVIDIA Driver，CUDA 安裝過程只需要安裝 CUDA Runtime Library。

設定 CUDA 環境變數

將環境變數加入 ~/.bashrc

export PATH=/usr/local/cuda-9.0/bin${PATH:+:${PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda-9.0/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}
source ~/.bashrc

Miniconda3

安裝 Miniconda3

請參考：https://docs.conda.io/en/latest/miniconda.html

建立 conda 虛擬環境

conda create -n torch-1.3 python=3.6

啟動 conda 虛擬環境

source activate torch-1.3

Pytorch

(啟動環境後) 利用 conda 安裝 pytorch

conda intall matplotlib pytorch==1.3.1 torchvision cudatoolkit=9.0 -c pytorch -y

使用 Docker 啟動訓練環境 (Linux Only)

需求：

1. Docker
2. NVIDIA Container Toolkit

以下指令在 Ubuntu 18.04 測試通過。

安裝 Docker

請參考：https://docs.docker.com/install/linux/docker-ce/ubuntu/

curl -fsSL https://get.docker.com -o get-docker.sh
sudo sh get-docker.sh

將使用者加入 docker 群組，避免 docker 指令需要 sudo 權限

sudo usermod -aG docker your-user

安裝 NVIDIA Container Toolkit

請參考：https://github.com/NVIDIA/nvidia-docker

distribution=$(. /etc/os-release;echo $ID$VERSION_ID)
curl -s -L https://nvidia.github.io/nvidia-docker/gpgkey | sudo apt-key add -
curl -s -L https://nvidia.github.io/nvidia-docker/$distribution/nvidia-docker.list | sudo tee /etc/apt/sources.list.d/nvidia-docker.list

sudo apt-get update && sudo apt-get install -y nvidia-container-toolkit nvidia-container-runtime

測試 NVIDIA Container Toolkit 是否安裝成功

docker run --gpus all --rm nvidia/cuda:9.0-base nvidia-smi

取得 docker image

docker pull ccumvllab/5g-2

啟動 docker container

docker run --gpus all -it -v /absolute/path/to/6DoF/Dockershare:/6DoF/Dockershare ccumvllab/5g-2

參數說明：

• --gpus: 指定 docker container 要使用哪些 GPU ID。
  • 參考：https://github.com/NVIDIA/nvidia-docker#usage
• -v: 將外部絕對路徑掛載至容器內的資料夾。