ascend-robotfix:fix code/documentation formatting issues using pre-commit

FCOS3D for PyTorch [终止随版本演进]

概述
准备训练环境
开始训练
训练结果展示
版本说明

概述

简述

FCOS3D是一个全卷积、单阶段的三维目标检测模型，用于无任何2D检测或2D-3D对应先验的单目3D目标检测。在该框架中，首先将通常定义的7-DoF 3D目标转换到图像域，并将其解耦为2D和3D属性，以适应3D设置。在此基础上，考虑到目标的2D比例，将目标分配到不同的特征，并仅根据3D中心进一步分配。此外，中心度用基于3D中心的2D高斯分布重新定义，以与目标公式兼容。

参考实现：

url=https://github.com/open-mmlab/mmdetection3d
commit_id=fe25f7a51d36e3702f961e198894580d83c4387b

适配昇腾 AI 处理器的实现：

url=https://gitcode.com/Ascend/DrivingSDK.git
code_path=model_examples/FCOS3D

准备训练环境

准备环境

安装昇腾环境

请参考昇腾社区中《Pytorch框架训练环境准备》文档搭建昇腾环境，本仓已支持表1中软件版本。

表 1 昇腾软件版本支持表

软件类型	首次支持版本
FrameworkPTAdapter	7.0.0
CANN	8.1.RC1

安装模型环境

表 2 三方库版本支持表

Torch_Version	三方库依赖版本
PyTorch 2.1	torchvision==0.16.0

激活 CANN 环境（例如：source /usr/local/Ascend/ascend-toolkit/set_env.sh）
安装 Driving SDK 加速库

安装方法参考原仓：https://gitcode.com/Ascend/DrivingSDK

安装 mmcv

在 FCOS3D 根目录下，克隆 mmcv 仓，并进入 mmcv 目录安装

git clone https://github.com/open-mmlab/mmcv
cd mmcv
pip install -r requirements.txt
MMCV_WITH_OPS=1 MAX_JOBS=8 FORCE_NPU=1 python setup.py build_ext
MMCV_WITH_OPS=1 FORCE_NPU=1 python setup.py develop
cd ../

安装 mmdet

git clone -b v3.3.0 https://github.com/open-mmlab/mmdetection.git
cd mmdetection
cp -f ../mmdet.patch ./
git apply --reject --whitespace=fix mmdet.patch
pip install -e .

准备模型源码，安装 mmdetection3d

克隆 mmdetection3d 仓，替换其中部分代码并安装

git clone https://github.com/open-mmlab/mmdetection3d.git
cd mmdetection3d/
git checkout fe25f7a51d36e3702f961e198894580d83c4387b
cp -f ../mmdet3d.patch ./
git apply --reject mmdet3d.patch
pip install -e .
cp -r ../test/ ./

安装其他依赖

在 mmdet 代码目录下，安装依赖

pip install -r requirements.txt
pip install torchvision==0.16.0

在 mmdetection3d 代码目录下，安装依赖

pip install -r requirements.txt
chmod 777 ./test/adjust.sh
bash ./test/adjust.sh

准备数据集

请用户自行准备好数据集，包含训练集、验证集和标签三部分，可选用KITTI、NuScenes、Lyft、Waymo数据集等。
上传数据集到data文件夹，以NuScenes为例，数据集在data/nuscenes目录下。
当前提供的训练脚本是以NuScenes数据集为例，该数据集需要预处理成pkl格式数据方可用于训练。数据集预处理前目录结构参考如下：
```
mmdetection3d
├── mmdet3d
├── tools
├── configs
├── data
│ ├── nuscenes
│ │ ├── maps
│ │ ├── samples
│ │ ├── sweeps
│ │ ├── v1.0-test
│ │ ├── v1.0-trainval
```
说明： 该数据集的训练过程脚本只作为一种参考示例。

请在mmdetection3d根目录，使用如下命令预处理NuScenes数据集。

# data_root 请替换成nuscenes数据集所在路径
data_root=/home/datasets/nuscenes
ln -nsf $data_root data/nuscenes
python tools/create_data.py nuscenes --root-path ./data/nuscenes --version v1.0 --out-dir ./data/nuscenes --extra-tag nuscenes

处理后的文件夹应该如下。

mmdetection3d
├── mmdet3d
├── tools
├── configs
├── data
│   ├── nuscenes
│   │   ├── maps
│   │   ├── samples
│   │   ├── sweeps
│   │   ├── v1.0-test
│   │   ├── v1.0-trainval
│   │   ├── nuscenes_gt_database
│   │   ├── nuscenes_infos_train.pkl
│   │   ├── nuscenes_infos_val.pkl
│   │   ├── nuscenes_infos_test.pkl
│   │   ├── nuscenes_dbinfos_train.pkl

准备预训练权重

请用户自行准备预训练权重：resnet101_msra-6cc46731.pth（参考下载链接：https://download.openmmlab.com/pretrain/third_party/resnet101_msra-6cc46731.pth）
执行以下命令将文件移至模型读取目录：

mv /path/to/resnet101_msra-6cc46731.pth ~/.cache/torch/hub/checkpoints/resnet101_msra-6cc46731.pth

开始训练

训练模型

运行训练脚本。

该模型支持单机单卡训练和单机8卡训练。

单机单卡训练

bash ./test/train_1p.sh --data_root=/home/datasets/nuscenes --max_epochs=12

单机8卡训练

bash ./test/train_8p.sh --data_root=/home/datasets/nuscenes --max_epochs=12

单机8卡训练性能

bash ./test/train_8p_performance.sh --data_root=/home/datasets/nuscenes --max_epochs=1

--data_root参数填写数据集路径，需写到数据集的一级目录。

模型训练脚本参数说明如下。

--data_root                         //数据集路径
--batch_size                        //默认2，训练批次大小，提高会降低ap值
--max_epochs                        //默认1，训练次数

训练完成后，权重文件保存在当前路径下，并输出模型训练精度和性能信息。

训练结果展示

表 3 训练结果展示表

芯片	卡数	global batch size	epoch	mAP	NDS	FPS
竞品A	8p	16	12	0.2973	0.3785	44.30
Atlas 800T A2	8p	16	12	0.3000	0.3800	44.31

版本说明

变更

2025.01.20: 首次提交。

2025.02.05: 性能优化。

2025.02.18: 新增性能FPS计算，并添加到日志中。

2025.03.04: 新增性能测试脚本，大幅提升性能测试效率。

2025.03.25: 性能进一步优化。

2025.08.05: 优化算子，进一步提升性能。

2025.08.22: 固定随机种子，更新精度指标。

FAQ

无。