docker bevfusion

### 如何在 Docker 中使用 BevFusion 框架 为了在 Docker 环境中成功运行 BevFusion 框架，需遵循特定的设置流程来确保所有依赖项正确安装并配置。以下是具体方法： #### 准备工作 确认主机已安装 Docker 和 NVIDIA-Docker 支持 GPU 加速的功能[^2]。 #### 创建 Dockerfile 创建一个名为 `Dockerfile` 的文件，在其中定义所需的开发环境。此文件应包含如下内容： ```dockerfile FROM nvidia/cuda:11.3.0-cudnn8-devel-ubuntu20.04 # 设置环境变量 ENV DEBIAN_FRONTEND=noninteractive \ LANG=C.UTF-8 LC_ALL=C.UTF-8 \ PATH="/opt/conda/bin:${PATH}" # 安装基础包 RUN apt-get update && apt-get install -y --no-install-recommends \ build-essential \ cmake \ git \ wget \ ca-certificates \ libjpeg-dev \ libpng-dev \ python3-pip \ python3-setuptools \ python3-wheel \ vim \ && rm -rf /var/lib/apt/lists/* # 安装 Miniconda RUN wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh -O ~/miniconda.sh && \ bash ~/miniconda.sh -b -p /opt/conda && \ rm ~/miniconda.sh # 配置 Conda 并创建 Python 3.8 环境 RUN conda init bash && \ echo "source ~/.bashrc" >> ~/.bash_profile && \ source ~/.bashrc && \ conda create -n bev_env python=3.8 -y && \ conda activate bev_env && \ pip install --upgrade pip setuptools wheel # 安装 PyTorch 及其依赖库 RUN conda activate bev_env && \ pip install torch==1.10.0 torchvision torchaudio cudatoolkit=11.3 -f https://download.pytorch.org/whl/torch_stable.html # 克隆 BEVFusion 仓库 WORKDIR /workspace RUN git clone https://gitcode.com/gh_mirrors/bev/BEVFusion . # 安装 BEVFusion 所需软件包 RUN cd BEVFusion && \ pip install -r requirements.txt CMD ["bash"] ``` 上述脚本会基于 Ubuntu 20.04 LTS 构建一个新的镜像，并预装好 CUDA、CUDNN、Python 以及必要的 Python 库，最后克隆官方提供的 BEVFusion 项目源码到容器内[^1]。 #### 构建 Docker 镜像 通过命令行执行构建操作： ```shell docker build -t bevfusion-docker . ``` 这一步骤将会读取当前目录下的 `Dockerfile` 文件，并按照指示逐步完成整个过程。 #### 启动容器实例 启动新建立好的 Docker 实例时推荐挂载本地存储路径以便于数据交换及调试方便： ```shell docker run --gpus all -it --rm -v $(pwd):/workspace bevfusion-docker ``` 该指令允许访问宿主机上的显卡资源(`--gpus`)，同时将当前所在的工作区映射至容器内的 `/workspace` 路径下(-v)，从而简化后续实验中的文件管理任务。 进入交互模式后即可依照官方文档指引进一步探索如何利用 BevFusion 进行车端视觉融合研究了。