目录开启Debug常用数据在一起看CUDA-BEVFusion的代码前，我们把后面会常见到的变量以及他的含义写在前方，看代码的时候如果看到同名的变量，可以过来看一看数据的形状和含义。

create_core图像归一化参数体素化参数稀疏卷积网络参数真实世界几何空间参数(雷达坐标系下体素网格的参数)解码后边界框的参数构建bevfusion::Core存储推理时需要的参数本章开始，我们将一起看CUDA-BEVFusion

目录前言0.简述1.什么是ExplicitGEMMConv2.im2col3.spconv是如何使用ExplicitGEMMConv的4.使用ExplicitGEMMConv处理spconv的优缺点5.拓展-conv加速5.1Introduction5.2im2col5.3Forwardgraph5.4Backwardgraph5.5Pythonexampleforforwardpropagati

目录前言0.简述1.什么是ImplicitGEMMConv2.ExplicitGEMMConv3.ImplicitGEMMConv4.ImplicitGEMMConv优化5.spconv和ImplicitGEMMConv总结下载链接参考前言自动驾驶之心推出的《CUDA与TensorRT部署实战课程》，链接。记录下个人学习笔记，仅供自己参考本次课程我们来学习下课程第八章——实战：CUDA-BEVFu

目录前言0.简述1.CUDA-BEVFusion浅析2.CUDA-BEVFusion环境配置2.1简述2.2源码下载2.3模型数据下载2.4基础软件安装2.5protobuf安装2.5.1apt方式安装2.5.2源码方式安装2.6编译运行2.6.1配置environment.sh2.6.2利用TensorRT构建模型2.6.3编译运行程序2.7拓展-Python接口2.8拓展-Debug调试配置3

LidarAISolution1.1Pipelineoverview1.2GetStart2.CUDA-BEVFusion2.13D目标检测(nuScenes验证集)2.2演示2.3模型和数据2.4前置条件2.5快速开始推理2.5.1下载模型和数据到CUDA-BEVFusion