在github上看见了pointnet作者写的pointnet-autoencoder代码， 因为与自己方向相关。故在服务器上配置环境
由于服务器的cuda为10.0，因此在非root用户下自己配置了cuda以及cudnn
准备在自己的用户下创建cuda以及cudnn，首先在自己电脑上下载cuda8.0版本，然后上传到服务器上
https://developer.nvidia.com/cuda-80-ga2-download-archive
以下安装均参照该博客：
https://blog.csdn.net/sinat_28442665/article/details/107384944
先对安装包《cuda_10.0.130_410.48_linux.run》的属性进行修改为可执行； chmod 755 cuda_10.0.130_410.48_linux.run 不要使用 sudo 进行安装 sh cuda_10.0.130_410.48_linux.run
按空格读完所有协议，然后进行下图操作
Please make sure that
- PATH includes /home/jzz/cuda8.0/bin
- LD_LIBRARY_PATH includes /home/jzz/cuda8.0/lib64, or, add /home/jzz/cuda8.0/lib64 to /etc/ld.so.conf and run ldconfig as root
环境变量配置如下：
# jzz's cuda
# export CUDA_VISIBLE_DEVICES=1
export PATH=$PATH:/home/jzz/cuda8.0/bin
export CUDA_HOME=/home/jzz/cuda8.0
export LD_LIBRARY_PATH=${CUDA_HOME}/lib64
export PYLEARN2_DATA_PATH=/data/pylearn2
查看cuda版本：
nvcc -V
安装cudnn
https://developer.nvidia.com/rdp/cudnn-archive
下载如图所示第三个：
最终输出：
创建虚拟环境pointnet-autoencodertest
下载
pip install tensorflow-gpu==1.4.0
pip install h5py
修改代码
由于opencv无法在服务器上使用，因此把代码中与opencv相关的注释掉
part_dataset.py部分：把 show_3d_balls给注释了，这样可以不用使用opencv
train.py部分：同理，把opencv相关的 show_3d_balls给去了
顺利跑通。