GraspNet部署（含Ubuntu20.04的深度学习环境部署）

下面为YOLO-World + SAM+Graspnet项目，可直接跑通

https://blog.csdn.net/agentssl/article/details/148089323

运行环境：graspnet3，执行代码：python main_yoloWorld_sam.py 弹出3d窗口按q执行

1. 环境配置graspnet

   conda create -n graspnet python=3.8 -y

   conda activate graspnet

   pip install torch1.13.1+cu117 torchvision0.14.1+cu117 torchaudio==0.13.1 --extra-index-url https://download.pytorch.org/whl/cu117

   pip install open3d0.11.0 numpy1.23.5 scikit-learn transforms3d trimesh3.9.3 scipy1.7.3 matplotlib pillow imageio

   官方网址：欢迎使用 graspnetAPI 的文档！— graspnetAPI 1.2.10 文档 — Welcome to graspnetAPI’s documentation! — graspnetAPI 1.2.10 documentation

   理论学习-数据集分析

   6D抓取学习（六）–从Dex-Net标签制作理解GraspNet-1Billion数据集抓取标签生成 - 知乎

   代码复现（有效果）

   复现graspnet并使用自己的数据实现（pycharm）-CSDN博客

步骤一：安装必要的系统依赖

首先，确保你的系统已经安装了所有必要的依赖项，包括 CUDA 和 cuDNN。如果你还没有安装 CUDA 和 cuDNN，可以参考 NVIDIA 官方文档进行安装。

# 更新包列表并安装基本依赖
sudo apt-get update
sudo apt-get install -y build-essential cmake git unzip pkg-config \
    libxmu-dev libxi-dev libglu1-mesa libglu1-mesa-dev \
    python3-pip python3-dev libssl-dev

步骤二：安装 Miniconda 或 Anaconda

为了更好地管理 Python 环境，建议使用 Miniconda 或 Anaconda。

# 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

# 按照提示完成安装后，初始化 Conda
conda init

然后关闭终端并重新打开，或者运行 source ~/.bashrc 来应用更改。

步骤三：创建并配置新的 Conda 环境

根据前面的推荐配置，我们将创建一个新的 Conda 环境，并安装所需的软件版本。

# 创建并激活新环境
conda create -n graspnet-cuda118 python=3.8 -y
conda activate graspnet-cuda118

# 安装 PyTorch 1.13.1 + CUDA 11.7（适用于 CUDA 11.8）
pip install torch==1.13.1+cu117 torchvision==0.14.1+cu117 torchaudio==0.13.1 --extra-index-url https://download.pytorch.org/whl/cu117

# 安装其他依赖库
pip install open3d==0.11.0 numpy==1.20.3 scikit-learn transforms3d trimesh==3.9.3 scipy==1.7.3 matplotlib pillow imageio

步骤四：下载 GraspNet 数据集和模型权重

你可以按照以下命令下载并解压示例数据集：

cd ~/graspnet-baseline
mkdir -p doc/example_data
cd doc/example_data

# 下载 demo 数据
wget https://graspnet.net/data/example_data.zip
unzip example_data.zip

步骤五：运行 Demo 脚本

现在，尝试运行你的 demo 脚本：

cd ~/graspnet-baseline
python demo.py --checkpoint_path /home/a/graspnet-baseline/logs/log_kn/checkpoint.tar