Win10 + 4090显卡配置深度学习环境 + gaussian-splatting配置 + 实测自己的场景

目录

1 安装Anaconda 2023.09版本

2 安装CUDA11.8

3 安装深度学习库Cudnn8.6.0

4 安装VSCODE2019

 5 安装Colmap3.8

6 安装git

7 安装Python3.10 + Pytorch2.0.0

7 安装项目

8 采集数据

8.1 IPhone 14 pro 拍摄30张照片左右 + 做预处理

8.2 生成colmap位姿等信息

8.3 开始训练！启动！

8.4 资源占用

8.5 训练完成

8.5 可视化

---

1 安装Anaconda 2023.09版本

Download Success | Anacondahttps://www.anaconda.com/download-success        在这个网站下载最新版Anaconda。

        安装直接执行就行，一直点next。

        这样就是安装成功了。

        输入nvcc -V查看cuda版本。

        没安装过cuda，开始安装cuda。

2 安装CUDA11.8

CUDA Toolkit 11.8 Downloads | NVIDIA Developerhttps://developer.nvidia.com/cuda-11-8-0-download-archive?target_os=Windows&target_arch=x86_64&target_version=10&target_type=exe_local        这个网址下载cuda11.8。点击Download下载。

        直接赋予管理员权限安装就行。

        这样就是安装成功了。

        验证cuda安装：

3 安装深度学习库Cudnn8.6.0

cuDNN Archive | NVIDIA Developerhttps://developer.nvidia.com/rdp/cudnn-archive         在这个网站下载。

        要注册英伟达账号。

        这里下载好是一堆库文件，我们需要移动到cuda安装目录下。

        a) 把cuda\bin目录下的文件复制到 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8\bin 目录下.
        b) 把\cuda\ include目录下的文件复制到 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8\include 目录下.
        c) 把\cuda\lib\x64\目录下的文件复制到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8\lib\x64 目录下.        就是这样。

        添加cudnn到环境变量：

        安装完毕。

        测试安装：

        两个都要PASS成功！

4 安装VSCODE2019

         下载好安装程序。

        等待安装。

        一定要勾选这个！！！

        成功

 5 安装Colmap3.8

        下载链接：

Release 3.8 · colmap/colmap · GitHubhttps://github.com/colmap/colmap/releases/tag/3.8        由于我们安装了cuda，下载cuda版本的。

        解压后移动到C盘非中文目录下。添加这个路径到环境变量。

        OK。

6 安装git

        下载完安装就行，一直下一步。

        到命令行查看是否安装成功

        成功！

7 安装Python3.10 + Pytorch2.0.0

        创建python3.10的虚拟环境。 

conda create -n 3DGS python=3.10

        启动环境：

conda activate 3DGS

        安装pytorch2.0.0

conda install pytorch==2.0.0 torchvision==0.15.0 torchaudio==2.0.0 pytorch-cuda=11.8 -c pytorch -c nvidia

        测试pytorch是否可用：

        可用，成功。

7 安装项目

        克隆项目：

git clone https://github.com/graphdeco-inria/gaussian-splatting --recursive

        安装项目的依赖：

SET DISTUTILS_USE_SDK=1
pip install gaussian-splatting\submodules\diff-gaussian-rasterization
pip install gaussian-splatting\submodules\simple-knn
pip install plyfile tqdm

        这步成功了就差不多了哈哈！

8 采集数据

8.1 IPhone 14 pro 拍摄30张照片左右 + 做预处理

        放入文件夹data中，再新建一个文件夹input把照片全部放进去。

        用这个脚本转换图像的名称：

import os


folder_path = r'C:\Users\lhwnb\Desktop\data\input'


files = os.listdir(folder_path)


counter = 0


for file_name in files:
    if file_name.endswith('.jpg') or file_name.endswith('.jpg') or file_name.endswith('.png'):
        new_name = f"{counter:06}.jpg"  # 6位数字格式，如000000.jpg
        current_path = os.path.join(folder_path, file_name)
        new_path = os.path.join(folder_path, new_name)
        os.rename(current_path, new_path)
        counter += 1

8.2 生成colmap位姿等信息

        将文件夹移动到项目文件夹，执行

python convert.py -s data

        处理中.....

        处理完毕。

        我们看data文件夹：

        colmap帮我们生成了很多文件，不用理会。

8.3 开始训练！启动！

         我们监视一下显卡与内存的状态：

        显存大概需要7G左右，可能是我图片少的缘故吧！

        内存大概占用12G左右

8.4 资源占用

        博主的电脑为联想拯救者Y9000p 2023 4090款：

        CPU  I9 13900HX 24核心32线程 支持超线程技术。

        GPU  4090 16G。

        Memory 32G。

        在训练过程中，采用默认参数进行训练 图像为42张4K图像，程序进行过剪裁：

        显存占用大约在7G左右，CPU占用率大约为12% 4.40GHz（I9 13代还是强），内存占用大约为12.6G。

        显存快爆炸了。

8.5 训练完成

        训练完成。

        output文件夹就是训练生成的产物：

8.5 可视化

         下载可视化工具：

可视化工具下载https://repo-sam.inria.fr/fungraph/3d-gaussian-splatting/binaries/viewers.zip

        下载好解压到viewer文件夹中（需要自己去创建这个文件夹）。

        安装完成之后，在地址栏输入cmd，通过下列命令运行：

.\viewers\bin\SIBR_gaussianViewer_app -m data/output

        操作方法：

        WSAD控制上下左右，UIOJKL旋转相机，