UFAST车道线检测 Ultra-Fast-Lane-Detection 从环境搭建到复现完成（一）

车道线检测源码复现以及训练自己的数据集
源码地址：https://github.com/cfzd/Ultra-Fast-Lane-Detection
论文地址：https://arxiv.org/abs/2004.11757

本次复现使用的是anaconda3和pycharm，这两个软件的安装这里就不再说明，在csdn上可以找到很多安装详细介绍，如果没有安装好或者安装出错可以私信我，周一到周五都会看自己博客。
1.1创建虚拟环境
打开自己的anaconda prompt命令窗口输入下方指令添加添加清华镜像和阿里云镜像源。

添加清华镜像和阿里云镜像源。
conda config --remove-key channels 
conda clean –i
conda config --add channels http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --add channels http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
conda config --add channels https://mirrors.aliyun.com/anaconda/pkgs/free/
conda config --add channels https://mirrors.aliyun.com/anaconda/pkgs/main/
conda config --set show_channel_urls yes
conda config --show-sources

安装虚拟环境

conda create -n lane-det python=3.7 –y

查看已有的虚拟环境

Conda env list

删除虚拟环境（只有不想要虚拟环境的时候再删除）

conda remove –n lane-det --all

激活环境

conda activate pytorch

在对应的虚拟环境中安装第三方包

pip install xxxx 或者 conda install xxxx

退出当前虚拟环境

conda deactivate

torch、torchvision和python版本对应关系

以上是一些创建环境和安装卸载库的指令。下面进行数据准备。

直接在文章开头进行源码的下载。

笔者下载的是TUSIMPLE数据集，数据集下载链接如下：
TUSIMPLE

直接下载太慢，通过我的百度盘进行下载吧，里面包含了TUSIMPLE数据集和CLULANE数据集，以及他俩的与训练模型。
链接：https://pan.baidu.com/s/1POIFzkFoBcI6pXOVTxe_kQ?pwd=g68U
提取码：g68U

数据集中文件的存放方式如下：

$TUSIMPLEROOT
|──clips
|──label_data_0313.json
|──label_data_0531.json
|──label_data_0601.json
|──test_tasks_0627.json
|──test_label.json
|──readme.md

以上是一些准备工作，现在进行程序的包的下载，如果直接使用上方指令可以安装好依赖包就不需要看下方步骤手动安装了，如果安装失败，按照下方方法进行安装，另外具体安装哪一些包也将在下方展示。

步骤如下：

分为两种方式，分别是下载whl或tar.bz2后缀的离线包。具体下载链接可以点击上文中给出的镜像源。（未给全，可以网上找清华园，土豆源，阿里云源等）
Whl离线包放入自己新建立的虚拟环境文件下的Scripts文件夹中，并在anaconda prompt命令行中进入该文件夹，输入以下命令安装。

pip install 安装包.whl（这种方式还未实践）

tar.bz2离线包放入Anaconda3文件夹下的pkgs文件夹中，打开anaconda prompt命令行，激活需要安装的环境，并进入cd（cd…是退回上一级目录）方式进入Anaconda3文件夹下的pkgs文件夹中，输入以下命令安装。

conda install --use-local安装包.tar.bz2

{conda install --use-local torchvision=0.6.0竟然可以安装成功，很神奇（实际结果证明这种方法并不能成功，会中断下载） 前提进入Anaconda3文件夹下的pkgs文件夹中放进去了安装包。}
即可安装成功

先在自己的虚拟环境中

pip list 

输出已经安装的包的列表

conda remove 安装包  或者使用 pip uninstall 安装包

进行第三方包的卸载
(pytorch生成3个文件分别是
1、在自己的虚拟环境中的.nonadmin文件{更新}。
2、自己虚拟环境中的conda-meta文件中的history{更新}文件和pytorch-1.5.1-py3.7_cpu_0.json文件。
3、自己虚拟环境中的Scripts文件中的不知道啥文件。)（没必要看 权当看个乐呵，不一定对）

第一步进入自己的环境，然后

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple  numpy

或者

pip install  xxx  --index-url http://pypi.douban.com/simple/ --trusted-host pypi.douban.com
pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple

-i是指定镜像源
报错：

Looking in indexes: https://pypi.tuna.tsinghua.edu.cn/simple
Collecting numpy
  Downloading https://pypi.tuna.tsinghua.edu.cn/packages/97/9f/da37cc4a188a1d5d203d65ab28d6504e17594b5342e0c1dc5610ee6f4535/numpy-1.21.6-cp37-cp37m-win_amd64.whl (14.0 MB)
     ---------------------------------------- 14.0/14.0 MB 3.5 MB/s eta 0:00:00
Installing collected packages: numpy
ERROR: pip's dependency resolver does not currently take into account all the packages that are installed. This behaviour is the source of the following dependency conflicts.
torch 1.5.1 requires future, which is not installed.
Successfully installed numpy-1.21.6

安装缺失的future

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple  future

验证numpy

安装其他的第三方包类似于安装numpy，验证办法类似（等会验证）
验证包的安装
1、 opencv-python
需要再安装一个opencv-contrib-python

pip install opencv-contrib-python
或者
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple opencv-contrib-python

（这个包没啥用，需要安装opencv-python，别整错了，虽然我在这里还是贴出来opencv-contrib-python代码，但别照用，我手动安装的opencv-python）
验证

version的左右分别是两条下划线
2、 tqdm

3、 tensorboard

4、 addict

5、 sklearn

6、 pathspec

7、 pytorch（需要import torch）

到目前为止环境已经搭建好了，简单就整这么多，以后再调整行文，下一篇博客开始复现的步骤以及展示笔者遇到的一些报错和demo的修改以及视频形式的demo修改程序。