爲了能讓colab操作google driver中的文件需要執行下面代碼。
!apt-get install -y -qq software-properties-common python-software-properties module-init-tools
!add-apt-repository -y ppa:alessandro-strada/ppa 2>&1 > /dev/null
!apt-get update -qq 2>&1 > /dev/null
!apt-get -y install -qq google-drive-ocamlfuse fuse
from google.colab import auth
auth.authenticate_user()
from oauth2client.client import GoogleCredentials
creds = GoogleCredentials.get_application_default()
import getpass
!google-drive-ocamlfuse -headless -id={creds.client_id} -secret={creds.client_secret} < /dev/null 2>&1 | grep URL
vcode = getpass.getpass()
!echo {vcode} | google-drive-ocamlfuse -headless -id={creds.client_id} -secret={creds.client_secret}
中途會讓你輸入兩次授權碼。下面是執行成功界面的截圖。
然後在google driver中用創建一個colab的ipynb文件。
然後你需要指定你以後在程序下載的東西存儲在google driver 哪裏，選擇Files然後選擇MOUNT DRIVE。
然後可以看到你的代碼變到了某個磁盤下的某個文件夾下了，以後你保存的東西也在這裏。
然後切換當前工作目錄到你想要的那個目錄下。我是切換到train_pvnet那個目錄然後下載代碼。
然後從github下載PVNet的源碼。輸入下面這個命令然後按ctr+enter運行命令，注意感嘆號是指運行linux命令。
!git clone https://github.com/zju3dv/pvnet.git
然後將工作目錄切換剛剛下載好的那個項目的文件夾pvnet下。
%cd pvnet
你可以通過輸入命令!pwd查看當前目錄，也可以輸入命令!ls看看當前目錄下有哪些文件。
然後再在google driver中的那個pvnet文件夾下創建一個colab文件方便我們執行訓練PVNet的訓練。
具體訓練過程需要參考他們在github給的readme文件。
- 安裝必要的python包
![在這裏插入圖片描述]()
- 編譯Ransac vote 層
CUDA_HOME='/usr/local/cuda'
%cd /content/drive/My\ Drive/train_pvnet/pvnet/lib/ransac_voting_gpu_layer
!python setup.py build_ext --inplace
記得將runtime裏面的加速設備設置爲GPU。
然後再執行命令
# 修訂cuda_include並dart在build_extend_utils_cffi.py爲與CUDA在您的電腦兼容
%cd /content/drive/My\ Drive/train_pvnet/pvnet/lib/utils/extend_utils
!sudo apt-get install libgoogle-glog-dev
!sudo apt-get install libsuitesparse-dev
!sudo apt-get install libatlas-base-dev
!python3 build_extend_utils_cffi.py
接下來我們需要安裝ceres這個數學工具庫，這裏我們提供的是下載源碼進行編譯。在安裝編譯它之前需要安裝着libeigen3-dev,libgoogle-glog-dev這兩個包。
然後再運行pvnet這個目錄下的build_ceres.sh。然後移動ceres/ceres-solver/build/lib/libceres.so*到lib/utils/extend_utils/lib。