企业官网建设流程全解析

Windows 11 下复现 RandLA-Net 点云模型的完整避坑指南

作为一名长期在 Windows 平台进行深度学习研究的开发者，我深知在非 Linux 环境下复现前沿点云模型的痛苦。最近在 Windows 11 上复现 RandLA-Net 时，遇到了比预想更多的"坑"。本文将分享这些实战经验，帮助后来者少走弯路。

1. 环境配置：从零开始的版本陷阱

1.1 CUDA 与 PyTorch 的版本匹配

Windows 下最头疼的问题莫过于 CUDA 与 PyTorch 的版本兼容性。我最初安装的是 CUDA 11.7，但运行时报错显示需要 CUDA 10.2。检查后发现是之前项目残留的环境变量在作祟。

解决方案：

1. 彻底清理旧版本 CUDA 环境变量
2. 使用以下命令验证 PyTorch 实际使用的 CUDA 版本：

import torch print(torch.version.cuda) # 应显示 11.7 print(torch.cuda.is_available()) # 应为 True

1.2 Python 虚拟环境搭建

推荐使用 Anaconda 创建独立环境，避免包冲突。我使用的是 Python 3.9，但需要注意：

• scikit-learn 必须锁定为 1.2.2 版本（最新版会导致 EuclideanDistance 报错）
• 安装顺序影响依赖解析，建议按以下顺序：

  conda install pytorch==2.0.0 torchvision==0.15.0 torchaudio==2.0.0 cudatoolkit=11.7 -c pytorch pip install scikit-learn==1.2.2 pip install -r requirements.txt

2. 数据准备：Windows 特有的路径难题

2.1 处理 .sh 脚本文件

原项目提供的预处理脚本都是 .sh 格式，这在 Windows 下无法直接运行。我尝试了三种解决方案：

1. Git Bash：安装 Git for Windows 后可用，但部分命令仍会报错
2. 手动执行：打开 .sh 文件，逐条执行其中的命令
3. WSL：最彻底的解决方案，但会增加系统复杂度

推荐方案：对于compile_wrappers.sh，可以手动执行其中的 g++ 编译命令：

g++ -std=c++11 -O3 -march=native -fPIC -shared -o libgrid_subsampling_cuda.so grid_subsampling_cuda.cu -I/usr/local/cuda/include -L/usr/local/cuda/lib64 -lcudart

2.2 文件路径的特殊字符

Windows 不允许文件名包含冒号(:)，而原代码使用时间戳自动生成路径（如 "2023-08-16_18:45"）。需要修改train.py中的路径生成逻辑：

# 原代码 folder_name = str(datetime.now()).replace(' ', '_')[:16] # 修改为 folder_name = str(datetime.now()).replace(' ', '_').replace(':', '_')[:16]

3. 模型训练：那些意想不到的报错

3.1 scikit-learn 版本灾难

训练时遇到最棘手的错误是：

AttributeError: Can't get attribute 'EuclideanDistance'

原因分析：

• scikit-learn 1.3.0 移除了 EuclideanDistance 类
• RandLA-Net 的 pickle 文件依赖旧版实现

解决方案：

pip uninstall scikit-learn pip install scikit-learn==1.2.2

3.2 数据加载路径错误

测试时常见的报错是找不到数据文件。这是因为 Windows 和 Linux 的路径处理方式不同。需要检查：

1. test.py中的默认路径假设
2. 确保datasets/s3dis/subsampled目录结构正确：

   datasets/ └── s3dis/ └── subsampled/ ├── test/ └── train/ # 注意不是 test/train/

4. 性能优化：让 Windows 也能高效训练

4.1 解决内存泄漏问题

Windows 下的 PyTorch 有时会出现内存累积问题。在训练循环中添加定期清理：

if epoch % 5 == 0: torch.cuda.empty_cache()

4.2 多进程数据加载的坑

Windows 的多进程实现与 Linux 不同，可能导致数据加载器卡死。建议：

• 设置num_workers=0或很小的值
• 使用persistent_workers=False
• 在数据加载器外完成所有预处理

完整训练命令示例：

python train.py --num_workers 2 --batch_size 8 --val_batch_size 4

5. 替代方案：当问题真的无解时

经过两周的折腾，我必须承认：有些问题在 Windows 下就是难以完美解决。以下是备选方案：

1. WSL2：微软官方支持的 Linux 子系统
2. 云平台：Colab 或 AWS 实例
3. 双系统：最彻底的解决方案

不过对于坚持使用纯 Windows 的开发者，本文提到的解决方案应该能解决 90% 的常见问题。记住关键三点：版本控制、路径处理、错误日志分析。每次报错都是学习的机会，祝你在点云学习的路上越走越顺！