1. 环境准备:从零搭建BEVFusion基础环境
在Ubuntu 20.04上配置BEVFusion环境,首先要确保硬件和系统环境满足基本要求。我遇到过不少因为基础环境没配好导致后续各种诡异报错的情况,这里把关键要点梳理清楚。
硬件要求方面,建议至少准备:
- NVIDIA显卡(RTX 3060及以上性能的显卡比较合适)
- 16GB以上内存(处理大型数据集时32GB更稳妥)
- 100GB可用磁盘空间(数据集和中间文件会占用大量空间)
先检查显卡驱动是否正常。在终端运行:
bash复制nvidia-smi
这个命令会显示显卡信息和CUDA版本。我遇到过驱动安装不完整的情况,输出里看不到CUDA版本号。如果遇到这种情况,建议先卸载原有驱动再重新安装。
CUDA安装是个容易踩坑的环节。BEVFusion官方推荐CUDA 11.3,但实测11.1-11.6版本都能工作。关键是要保证:
- 显卡驱动支持的CUDA版本 ≥ 要安装的CUDA版本
- PyTorch有对应CUDA版本的预编译包
安装CUDA时有个小技巧:使用runfile方式安装,记得取消勾选驱动安装选项,避免覆盖现有驱动。具体步骤:
bash复制wget https://developer.download.nvidia.com/compute/cuda/11.3.0/local_installers/cuda_11.3.0_465.19.01_linux.run
sudo sh cuda_11.3.0_465.19.01_linux.run
安装完成后,记得在~/.bashrc中添加环境变量:
bash复制export PATH=/usr/local/cuda-11.3/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda-11.3/lib64:$LD_LIBRARY_PATH
需要模型API调用? 免费领10W Token,多模型网关一键接入 Claude、DeepSeek 等主流模型。
2. Python环境配置与依赖安装
创建独立的conda环境能避免很多包冲突问题。我习惯用miniconda管理环境:
bash复制conda create -n bevfusion python=3.8 -y
conda activate bevfusion
PyTorch安装要
