Marigold项目复现指南：Conda环境搭建

Marigold项目复现指南：Conda环境搭建

引用

CSDN

等

10

来源

1.

https://blog.csdn.net/hoo1990/article/details/132975535

2.

https://aistudio.baidu.com/aistudio/projectdetail/1517852?channelType=0&channel=0

3.

https://m.douban.com/doulist/1565027

4.

https://the-marigold-project.org/

5.

https://arxiv.org/abs/2312.02145

6.

http://www.fundog.cc/resources/4/2093.html

7.

https://lab.uwa4d.com/lab/674993e1333affa84fcd5c2d

8.

https://the-marigold-project.org/about-us

9.

https://the-marigold-project.org/what-we-do

10.

http://wap.mobiletrain.org/about/BBS/205239.html?lb=%3Epage=2&lb=%3Epage=2&page=1&page=1&page=2&page=2

Marigold项目是一种基于扩散模型的单目深度估计技术，在多个真实世界数据集上表现出高准确度和强泛化能力。本文将详细介绍如何使用Conda命令在Ubuntu系统上搭建Marigold项目的运行环境，帮助科研人员轻松实现项目的复现。从克隆代码到安装依赖项，再到下载数据集和权重文件，每一步都提供详细的步骤说明，让你快速上手Marigold项目。

Marigold项目由Bingxin Ke等人在2023年提出，其核心创新在于利用预训练的扩散模型（如Stable Diffusion）来改进单目深度估计。通过保留扩散模型的先验知识，Marigold能够在各种数据集上实现卓越的性能，特别是在处理未见过的场景时表现出色。

在开始搭建环境之前，确保你的系统已经安装了以下软件：

1. Ubuntu系统（建议使用Ubuntu 20.04或更高版本）
2. Python 3.8或更高版本
3. NVIDIA GPU（如果需要使用GPU加速）
4. NVIDIA驱动程序和CUDA工具包

首先，需要安装Miniconda或Anaconda。这里以Miniconda为例：

# 下载Miniconda安装脚本
wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh

# 运行安装脚本
bash Miniconda3-latest-Linux-x86_64.sh

# 按照提示完成安装，记得在最后选择"yes"以初始化conda

创建一个新的Conda环境：

# 创建名为"marigold"的环境，使用Python 3.8
conda create -n marigold python=3.8

# 激活环境
conda activate marigold

安装项目所需的依赖项：

# 安装PyTorch和相关的CUDA工具包
conda install pytorch torchvision torchaudio cudatoolkit=11.3 -c pytorch

# 安装其他依赖项
conda install numpy opencv pillow scikit-image matplotlib

克隆Marigold项目的代码仓库：

# 克隆项目代码
git clone https://github.com/bingxinke/Marigold.git

# 进入项目目录
cd Marigold

使用pip安装项目特定的依赖项：

# 安装requirements.txt中列出的依赖项
pip install -r requirements.txt

下载项目所需的数据集和预训练模型权重。通常，这些文件可以在项目仓库的README文件中找到下载链接。

# 下载数据集和权重文件
wget https://example.com/path/to/dataset.zip
wget https://example.com/path/to/weights.pth

# 解压数据集
unzip dataset.zip -d data/

# 将权重文件移动到模型目录
mv weights.pth models/

1. 依赖冲突：如果遇到依赖项版本冲突，可以尝试使用conda env update命令更新环境配置。

2. CUDA版本不兼容：确保安装的CUDA工具包版本与你的GPU驱动程序兼容。可以在NVIDIA官网查询兼容性信息。

3. 内存不足：如果在训练或推理过程中遇到内存不足的问题，可以尝试减小批量大小或使用更小的模型。

通过以上步骤，你应该能够成功搭建Marigold项目的运行环境。如果在过程中遇到任何问题，欢迎随时提问，祝你科研顺利！