最近在跑make-it-3d,发现其中很多包的安装很费劲,综合了很多博客才安装好一个包,现将如何安装tiny-cuda-nn包的完整方法记录一下,帮助各位学习者更快的上手跑代码。
tiny-cuda-nn包能够显著提升NeRF的训练速度,在目前很多NeRF相关的工作中都有使用到。
1、命令行安装(最方便快捷)
直接从github上面自动进行pip install:
pip install git+https://github.com/NVlabs/tiny-cuda-nn/#subdirectory=bindings/torch
如果从github上pip速度慢,或者连接失败,可以使用gitee中的链接:
tiny-cuda-nn: https://github.com/NVlabs/tiny-cuda-nn
同时本人想提醒各位,如果从github上面clone包失败,可以先将包迁移到自己的gitee上,亲测十分有效,可以减少很多时间,具体可以参考如下文章:
【经验】Git|Linux终端git太慢,改hosts、复制文件夹、用镜像源?不不不不不
2、手动安装(稍微麻烦)
(1)将tiny-cuda-nn包手动git clone到虚拟环境的site-packages中
git clone --recursive https://github.com/NVlabs/tiny-cuda-nn
此处recursive是为了一块clone其中的cutlass和fmt包,如果clone失败则需要手动clone:
cd tiny-cuda-nn/dependencies
git clone https://github.com/NVIDIA/cutlass.git
git clone https://github.com/fmtlib/fmt.git
再次提示这些包在gitee上都有镜像,可以加速clone。
(2)本地编译tiny-cuda-nn
首先查看自己的linux服务器中gcc,g++,cuda,cmake的版本是否正确,一定一定要在版本符合要求的情况下再进行包的安装,具体要求如下图所示:
如果gcc,g++,cuda,cmake版本不符合要求,在网络上搜索切换gcc,g++版本,更新cmake版本等文章即可获得解答,在此不过多赘述。
特意补充一篇文章关于cmake的版本升级,刚刚发现本人最开始使用了更改系统环境变量的方式更新cmake,导致再次进入系统后出问题,下面这篇文章完全没问题,不需要修改环境变量!!!
之后进行本地编译:
cd tiny-cuda-nn
cmake . -B build -DCMAKE_BUILD_TYPE=RelWithDebInfo
cmake --build build --config RelWithDebInfo -j
(3)编译成功后,进行tinycudann的pip安装
cd bindings/torch
python setup.py install
(4)检查是否成功安装包
安装后显示下图说明安装正确:
使用pip list/conda list命令查看是否成功安装tinycudann包。
最后还可以在python环境下使用import tinycudann程序来验证是否成功安装,如果能够import则安装完毕!
在此非常感谢csdn的前辈,本文参考以下文章: