Ubuntu20.04+Quadro RTX 5000,3D gaussian环境配置

这篇具有很好参考价值的文章主要介绍了Ubuntu20.04+Quadro RTX 5000,3D gaussian环境配置。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

0. 引言

2020年,NeRF的出现之际引起了轩然大波,出现了大量相关工作。3D gaussian算是新视角生成领域目前的SOTA,可以进行实时的渲染;最大训练速度上可以与Instant相当,且质量差不多;增加迭代次数后,可以显著提高重建质量,在训练时间51min的情况下,重建效果可以稍微超过Mip-NeRF(48h)。这种好东西谁不想学习下呢,所以我们先进行第一步:配置3D gaussian环境。

我当前的环境为ubuntu 20.04+Quadro RTX 5000。这个项目对显存要求比较高,官方说明需要24G的显存,如果显存不够,可以看github项目主页最下面的FAQ,有对低显存方案进行说明。除此以外Viewer的版本目前好像只支持windows、ubuntu20.04和22.04。

github主页中有一个在windows中安装的youtue教程,非常详细。

目前处于学习阶段,简单用已有数据集进行测试,验证环境可用后准备开始阅读源码。因此还没有安装colmap来处理自己的数据,之后会对colmap的配置进行补充。后边也会新开两篇来讲解论文和代码。

1. cuda安装步骤

1.1显卡驱动安装

禁用系统自带驱动

如果不禁用这个开源驱动,后边安装可能会出现冲突,通过lsmod | grep nouveau来查看该驱动的情况,如果有输出说明该驱动正在工作,否则表示已经禁用。

禁用方法如下:
sudo gedit /etc/modprobe.d/blacklist.conf
在该文件末尾加上

blacklist nouveau
options nouveau modeset=0

在终端输入sudo update -initramfs -u

nvidia显卡驱动安装

显卡是硬件,想要显卡可以正常工作必须找到对应的驱动,否则会出现各种各样显示上的问题,比如显示器不亮,分辨率不正常
ubuntu-drivers devices可以查询推荐安装的驱动版本
以我的输出为例

driver   : nvidia-driver-495 - third-party non-free
driver   : nvidia-driver-535 - third-party non-free recommended
driver   : nvidia-driver-510 - third-party non-free
driver   : nvidia-driver-465 - third-party non-free

可以看到535为当前显卡的适配驱动版本
然后打开Software&Updates进行对应版本的安装
Ubuntu20.04+Quadro RTX 5000,3D gaussian环境配置,计算机视觉

重启电脑后,如果显示都正常,那就应该大功告成了。但我曾遇到过一个问题,就是已经用了推荐版本的显卡驱动,但无法点亮副屏,然后降了版本才解决的。总而言之显示出了问题,很大可能是显卡驱动的问题,多换几个版本试试。

在终端输入nvidia-smi,如果没报错就ok了,在输出的信息中可以看到当前驱动的版本和支持的最高版本CUDA,后边安装CUDA的时候要注意版本不能超过这个。

1.2 CUDA安装

https://developer.nvidia.com/cuda-toolkit-archive
从这个链接中选择合适的CUDA版本,以我的为例
Ubuntu20.04+Quadro RTX 5000,3D gaussian环境配置,计算机视觉

选择之后可以看到下边的安装指令,逐条执行即可。但我安装的时候出现了一个问题,有可能系统会自动帮你升级到最新的驱动,有的库需要特殊的CUDA版本,所以我们可以更改最后一行命令,来安装指定版本的CUDA,sudo apt-get -y install cuda-xxx

1.3 配置环境变量

终端输入nvcc -V来检查CUDA是否安装成功,如果出现了命令找不到的问题,先别急,我们还需要配置一下CUDA的环境变量
终端执行sudo gedit ~/.bashrc,在文件的最后加上(路径按自己的来)

export CUDA_HOME=/usr/local/cuda-11.8
if [[ ":$PATH:" != *":/usr/local/cuda-11.8/bin:"* ]]; then
    export PATH=$PATH:/usr/local/cuda-11.8/bin
fi
if [[ ":$LD_LIBRARY_PATH:" != *":/usr/local/cuda-11.8/lib64:"* ]]; then
    export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda-11.8/lib64
fi

再输入source ~/.bashrc来使得更改生效,这次在执行nvcc -V,有如下输出,代表安装成功。

nvcc: NVIDIA (R) Cuda compiler driver
Copyright (c) 2005-2022 NVIDIA Corporation
Built on Wed_Sep_21_10:33:58_PDT_2022
Cuda compilation tools, release 11.8, V11.8.89
Build cuda_11.8.r11.8/compiler.31833905_0

2. 3D gaussian安装

这个项目的安装没啥难度,问题基本都处在CUDA上边
这部分是对官网加成的梳理https://github.com/graphdeco-inria/gaussian-splatting

  • git clone git@github.com:graphdeco-inria/gaussian-splatting.git --recursive
    最后的–recursive比较重要,不加的话有的东西装不上。
  • 进入clone下来的项目目录,在已经安装anaconda的情况下,执行如下命令
conda env create --file environment.yml
conda activate gaussian_splatting

安装两个子模块的时候,可能会报一些错误,这些错误藏在很长的文本中,并且有时候没有颜色标示,所以需要仔细地找出错误点,比如本地缺少一些库,CUDA环境变量没设置对一类的。

需要非常注意!!!!3dgs对CUDA版本有特殊的要求,安装到本地的完整版CUDA版本是11.8,而安装到conda环境中供pytorch使用的阉割版本是11.6(这个版本不包含nvcc,一些复杂功能也没有),官方的解释如下:

Hi,
there’s two different things. One is the full CUDA SDK, including the compiler (NVCC). We need it to build the PyTorch extensions that we wrote ourselves and that the optimizer uses. The other is the CUDA runtime that PyTorch is built against (the latest CUDA runtime that PyTorch 1.12 works with is 11.6). If you install PyTorch with CUDA with Conda, it installs a small subset of the full CUDA SDK that cannot do compilation. If you install the full 11.6 SDK and try to compile our extensions with it, it can fail because of a known issue with C++14 support in the 11.6 CUDA compilers.

训练代码python train.py -s <path to COLMAP or NeRF Synthetic dataset>

3. Viewer安装

按官方的说法,目前在windows\ ubuntu20.04和22.04上是可用的,其他版本不清楚。

sudo apt install -y libglew-dev libassimp-dev libboost-all-dev libgtk-3-dev libopencv-dev libglfw3-dev libavdevice-dev libavcodec-dev libeigen3-dev libxxf86vm-dev libembree-dev
# Project setup
cd SIBR_viewers
git checkout fossa_compatibility #如果是22.04就不需要加这行命令
cmake -Bbuild . -DCMAKE_BUILD_TYPE=Release # add -G Ninja to build faster
cmake --build build -j24 --target install

用从官网下载的训练好的模型进行测试
./<SIBR install dir>/bin/SIBR_gaussianViewer_app -m <path to trained model>
Ubuntu20.04+Quadro RTX 5000,3D gaussian环境配置,计算机视觉文章来源地址https://www.toymoban.com/news/detail-753499.html

到了这里,关于Ubuntu20.04+Quadro RTX 5000,3D gaussian环境配置的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • Ubuntu 20.04 + UE4.27 + Airsim + ROS 学习(2)(显卡rtx 4060+双系统)

    由于换了电脑,所以又重新配置了一下环境,所以想把自己在搭建过程中解决的一些问题进行分享。我是主体参考的Ubuntu18.04搭建AirSim+ROS仿真环境_airsim ros-CSDN博客小青蛙大佬的这篇,但是在顺着他的思路往下搭的时候自己也遇到了很多问题,所幸都解决了! 1. 首先是获取U

    2024年02月04日
    浏览(45)
  • ubuntu20.04搭建arm交叉编译环境

    源码下载地址:Downloads | GNU-A Downloads – Arm Developer 要根据目标系统选择编译器版本,我的主板: aarch64bit体系结构(arm 64bit),linux内核GNU操作系统=GNU/Linux操作系统(简称linux) 大端模式(Big-endian),是指数据的高字节,保存在内存的低地址中,而数据的低字节,保存在内存

    2023年04月24日
    浏览(46)
  • 【环境】Ubuntu20.04 安装 Anaconda 顺顺利利

    source一下 中间遇到了一个问题,用下面的链接轻松解决了 关于修改anaconda安装路径的问题

    2024年02月07日
    浏览(44)
  • Ubuntu20.04+SGX(一):环境搭建与测试

    Ubuntu 20.04 Intel® Xeon® Gold 5318Y 测试方法参考官方文档 如果输出为空,则表示不支持,可以使用simulation mode,但该模式不能用于发布版环境。 如果输出中包含 SGX_LC: SGX launch config supported = true ,则支持DCAP(数据中心标记基元,即远程认证服务)功能。FLC 即 Flexible Launch Control。

    2024年02月09日
    浏览(42)
  • Ubuntu 20.04 系统配置 OpenVINO 2022.3 环境

    由于 OpenVINO 2021 版本在调用 IECore 时会出现 Segmentation fault 的问题,因此需要将其升级为 2022 版本的。 1. 卸载原来版本的 OpenVINO 进入OpenVINO的卸载目录,通常在 /opt/intel 文件夹下, 之后执行卸载程序,一路next即可 之后将 ~/.bashrc 中原本的 source 那行注释掉 注释以下这行 至此

    2024年02月03日
    浏览(60)
  • ubuntu20.04配置OpenCV的C++环境

    这里以opencv-3.4.16为例 复现https://github.com/raulmur/ORB_SLAM2此项目,需安装opencv及其他依赖,可见README.md详情 https://opencv.org/releases/ https://github.com/opencv/opencv_contrib 如果在执行第三个命令时提示“Unable to locate package libjasper-dev”,应该是下载源的问题。解决方法如下: 然后再执行一

    2024年02月05日
    浏览(66)
  • ubuntu 20.04 搭建crash dump问题分析环境

    主机环境和内核版本信息: 参考了Ubuntu Kernel crash dump这篇文章 如果通过上面的命令安装ubuntu内核调试符号,则需要通过下面的方法去安装,参考文章:安装ubuntu内核调试符号 1.5.1 GPG 秘钥导入 确保您拥有系统的 GPG 密钥。适用于16.04 及更高版本的 Ubuntu : 对于旧的发布版本

    2024年02月05日
    浏览(42)
  • 【Ubuntu 20.04安装和深度学习环境搭建 4090显卡】

    Ubuntu安装步骤参考文章 知乎:Ubuntu 20.04系统安装及初始配置 先在Ubuntu官网下载系统镜像(或直接bing搜索对应版本)。【Ubuntu官网】 参考这篇文章 https://blog.csdn.net/qq_21386397/article/details/129894803 需要准备一个U盘(使用之前将U盘中内容做好备份,做成启动盘后U盘内文件将被清

    2024年02月09日
    浏览(68)
  • ubuntu20.04安装UE4+Airsim环境

    参考: 1、Airsim官方文档 2、Archlinux社区 官方提示UE4版本需要=4.27,这里就按推荐安装4.27 建议在 make 前更改部分源码 注意请按照上述方法直接下载源码,使用release安装之后会有部分文件夹显示没有读取权限,需要重新更改文件夹权限,增加工作量。 在更多中选择 {Airsim flode

    2024年02月01日
    浏览(51)
  • Ubuntu20.04系统配置Pytorch环境(GPU版)

    Ubuntu和NVIDIA Driver的安装请参考其他博主的文章,主要是当时安装的时候没记录,现在不想再折腾这两个东西了。 需要补充的几个点: 安装Ubuntu系统前,多看几遍教程,如果是笔记本安装双系统,最好是看和自己品牌相同的笔记本对应的博客,因为不同厂家的BIOS设置有一些差

    2024年04月09日
    浏览(64)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包