提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档
PointRCNN在华为云modelArts的实现记录- 前言
- 一、获得数据
- 1.下载数据
- 二、环境配置
- 1.环境创建
- 2.环境配置
- 三、开始训练
- 训练代码
- 总结
前言 应行车环境感知课程要求，我们小组选择PointRCNN网络在华为云的平台中实现复现，再此提供参考
正文：
一、获得数据 1.下载数据下载下图中的的第2,5,6,7行数据。
下载完后解压，通过OBS桶的本地上传工具完成数据上传。
注意：
1.OBS桶的服务器地址要和modelarts在同一地方，才能进行数据拷贝，创建时需选择同一地址
2.下载解压和上传需要很久，确定数据无误后耐心等待。
上传完成后如上图，记住自己的路径，第2-5为上传的数据。
最后一行数据可以选择性上传，训练时需要使用，不使用可以选择注释相关读取代码。
我们选择在上海1创建了一个notebook（具体创建方式参考华为云教程）
这里贴出我们的系统参数供参考（需选择GPU，pytorch=1.0版本）
启动notebook，进入jupybook环境。首先将PointRCNN的有关包按照github开源指引下载到目录下。进入data目录中，将OBS桶的数据copy到data中，供接下来训练调用。使用华为云的moxing模块，配置复制前后路径即可完后才能数据的拷贝。
上面代码的路径需按照你的配置更改
回到上级目录，安装所需要的包。
进入tools目录，上传作者的与训练模型（github有作者的模型），简单测试，检查环境是否配置成功。
!git clone https:xxxxx //具体克隆代码可以参考原作者github !sh build_and_install.sh //这一步会安装作者的包，需要上一步克隆正确才能执行 //确定克隆无误仍然执行报错，若果错误是luinx内核问题，建议更换服务器三、开始训练 训练代码
这里贴出截图供参考
有关调用参数可以查看作者的源文件
上述代码会依次完成行人和骑自行车的人的模型训练与测评
耗时约3-5小时
未完待续。
