### 在 NumPy 1.19.5 环境下成功安装 spconv 并避免与 Waymo Open Dataset 的版本冲突 在使用 `numpy==1.19.5` 的环境中安装 `spconv`，需要特别注意以下几点以确保兼容性并避免与 `waymo-open-dataset-tf-2-4-1==1.4.3` 的版本冲突。 #### 1. 安装 CUDA 和 cuDNN `spconv` 是一个基于 PyTorch 的稀疏卷积库，通常需要依赖特定版本的 CUDA 和 cuDNN。以下是推荐的配置： - CUDA 版本：建议使用 CUDA 10.2 或 11.1[^1]。 - cuDNN 版本：确保安装与 CUDA 兼容的 cuDNN 版本。 检查当前系统中 CUDA 和 cuDNN 的版本是否满足要求： ```bash nvcc --version cat /usr/local/cuda/include/cudnn_version.h | grep CUDNN_MAJOR -A 2 ``` 如果版本不匹配，请参考 NVIDIA 官方文档进行安装或更新[^1]。 #### 2. 安装 PyTorch `spconv` 需要与特定版本的 PyTorch 配合使用。为了确保兼容性，建议安装与 CUDA 版本对应的 PyTorch 版本。 例如，对于 CUDA 10.2，可以安装 PyTorch 1.7.1： ```bash pip install torch==1.7.1+cu102 torchvision==0.8.2+cu102 torchaudio==0.7.2 -f https://download.pytorch.org/whl/torch_stable.html ``` #### 3. 编译和安装 spconv 由于 `spconv` 的预编译二进制文件可能无法完全兼容 `numpy==1.19.5`，因此需要从源代码进行编译安装。 首先，克隆 `spconv` 的 GitHub 仓库： ```bash git clone https://github.com/traveller59/spconv.git cd spconv ``` 然后，指定 `numpy==1.19.5` 并安装依赖项： ```bash pip install numpy==1.19.5 pip install -r requirements.txt ``` 最后，编译并安装 `spconv`： ```bash python setup.py bdist_wheel pip install dist/spconv-*.whl ``` #### 4. 验证安装 完成上述步骤后，可以通过以下代码验证 `spconv` 是否安装成功： ```python import spconv print(spconv.__version__) ``` 如果能够正常输出版本号，则说明安装成功[^1]。 #### 5. 解决潜在冲突 如果在安装过程中遇到与 `waymo-open-dataset-tf-2-4-1==1.4.3` 的依赖冲突问题，可以尝试以下方法： - 使用虚拟环境隔离不同项目的依赖关系。例如，通过 `venv` 或 `conda` 创建独立的 Python 环境。 - 明确指定所有依赖项的版本号，确保不会自动升级或降级相关包。 #### 6. 示例代码 以下是一个简单的示例代码，展示如何使用 `spconv` 构建稀疏卷积网络： ```python import spconv import torch from spconv.pytorch.core import SparseConvTensor # 定义稀疏卷积层 net = spconv.SparseConv3d(1, 2, 3, stride=2).cuda() # 构造输入数据 indices = torch.randint(0, 100, (500, 4)).int().cuda() features = torch.rand((500, 1)).cuda() sp_tensor = SparseConvTensor(features, indices, 100, 4) # 前向传播 out = net(sp_tensor) print(out.features.shape) ``` ---