记录:nerfstudio在Ubuntu20.04上的部署记录

一、CUDA卸载

要求CUDA可以匹配torch2.0.1以上,所以进行CUDA版本的更新。

卸载旧CUDA:通过命令行进入

进入删除的界面,这个时候勾选所有需要卸载的项目(11.5)。

结束删除:

记录:nerfstudio在Ubuntu20.04上的部署记录_第1张图片

二、CUDA安装:

此处有知识:

CUDA的安装文件有两种主要类型:deb文件和runfile文件。

  1. deb文件:deb文件是用于Debian和Ubuntu系统的软件包格式。deb文件是由NVIDIA官方提供的,可直接用于在Ubuntu上安装CUDA。deb文件利用系统的包管理器(如apt)进行安装,可以自动处理依赖关系,并将CUDA安装到系统中。

  2. runfile文件:runfile文件是NVIDIA CUDA官方提供的独立安装程序。它是一个自解压归档文件,其中包含CUDA的安装程序和相关文件。您可以通过运行runfile文件来手动安装CUDA,并根据需要进行配置。

deb文件相对较简单,适用于大多数普通用户。它们提供了一种方便的方式来安装和管理CUDA,而无需手动配置和处理依赖关系。deb文件还可以与系统的软件包管理器进行集成,使升级和删除CUDA更为方便。

runfile文件通常用于高级用户或需要进行更高级配置的情况。它们提供了更多的灵活性和自定义选项。使用runfile文件,您可以手动安装CUDA,并根据需要选择不同版本或组件。

需要注意的是,deb文件和runfile文件适用于不同的安装场景。如果您是一个普通用户,并且只想简单地安装CUDA并开始使用它,那么deb文件可能是更好的选择。如果您是一个高级用户,需要进行更高级的配置或需要特定版本的CUDA,则可以选择runfile文件。

使用runfile遇到较多问题

改为deb方式:

记录:nerfstudio在Ubuntu20.04上的部署记录_第2张图片

输入下面给出的命令

修改环境变量

记录:nerfstudio在Ubuntu20.04上的部署记录_第3张图片

进入 vim 编辑器后,默认处于命令模式。

此时按 j 向下跳行,跳到最后一行。

然后按 o (小写哦)进入插入(编辑)模式,并且向下新开一行,在行首插入

复制下面两行代码,在该行(即最后一行)粘贴或者输入下面代码。

进入 vim 编辑器后,默认处于命令模式。

此时按 j 向下跳行,跳到最后一行。

然后按 o (小写哦)进入插入(编辑)模式,并且向下新开一行,在行首插入

复制下面两行代码,在该行(即最后一行)粘贴或者输入下面代码。

export PATH=/usr/local/cuda-12.1/bin${PATH:+:${PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda-12.1/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}

退出vim

观察nvidia-smi是否成功,至此安装完成。

二、安装torch

在网站https://download.pytorch.org/whl/torch_stable.html寻找你需要的whl

pip install torch==2.0.1+cu118 torchvision==0.15.2+cu118 --extra-index-url https://download.pytorch.org/whl/cu118

重要换源代码,使用清华源进行库安装:

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple sympy

记录:nerfstudio在Ubuntu20.04上的部署记录_第4张图片

注:下载文件夹在 /home/amax/Downloads

pip install torch-1.13.0+cu116-cp39-cp39-win_amd64.whl

To build the necessary CUDA extensions, cuda-toolkit is also required. We recommend installing with conda:

conda install -c "nvidia/label/cuda-11.8.0" cuda-toolkit

遇到的问题:

安装torch和torchvision时,显示无法connection

解决:

pip install torch==2.0.1+cu118 -i https://download.pytorch.org/whl/cu118

不按照nerfstudio官网给出的东西来做安装

使用清华源直接安装torch不可行

完成截图:

此处出现新问题: conda install -c "nvidia/label/cuda-11.8.0" cuda-toolkit

无法安装

安装cuda-toolkit网站:CUDA Toolkit Archive | NVIDIA Developer

通过官网提供的命令行可以安装:

记录:nerfstudio在Ubuntu20.04上的部署记录_第5张图片

检查:

import torch

print(torch.cuda.is_available()) 

至此torch完成

三、安装nerfstudio 

Installation - nerfstudio是官网笔记

首先,git clone出现:

尝试:关掉ssl验证

git config --global http.sslVerify false
都没用,最后解决方法是:

直接去github项目页下载zip,在Ubuntu里解压,cd进入后,安装:

记录:nerfstudio在Ubuntu20.04上的部署记录_第6张图片

后面两步也会有问题,解决方案是改成清华源:

记录:nerfstudio在Ubuntu20.04上的部署记录_第7张图片

终于下完了,我跳过了 tinycudann,实在没劲了。

补充tinycudann:按照这个可以成功安装,但是还有兼容问题没解决,啊啊啊烦死了!

NeRFStudio三维重建代码复现 - 知乎

pip安装tiny-cuda-nn编译时出现-lcuda找不到情况

四、数据下载和first model

里面有数据集,需要一些魔法:

谷歌直链下载云盘数据集,使用谷歌云盘生成直接下载的url,示例: NeRFStudio-nerfacto默认训练数据集poster下载,nerfstudio 数据集下载链接_LeapMay的博客-CSDN博客

五、colmap下载

使用官网给出的命令行流程进行:

记录:nerfstudio在Ubuntu20.04上的部署记录_第8张图片

记录:nerfstudio在Ubuntu20.04上的部署记录_第9张图片

但是第一步遇到严重的无法connection问题,解决为:【Ubuntu git clone命令报错】fatal: unable to access ‘https://github.com/XXX‘: gnutls_handshake() failed:_ISimle的博客-CSDN博客

记录:nerfstudio在Ubuntu20.04上的部署记录_第10张图片

可以解决一次,但是失败,继续尝试其他方法,各种折腾之后,第一步完成

cd没问题

git checkout dev 又出问题:但是解决不了,直接跳过

cmake有问题,参考ubuntu20.04 安装colmap 报错:Cmake error while running “cmake .. -GNinja“ command during installation_LuH1124的博客-CSDN博客

 截图解决效果记录:nerfstudio在Ubuntu20.04上的部署记录_第11张图片

终于完成了!

 记录:nerfstudio在Ubuntu20.04上的部署记录_第12张图片

切换源:

pip install xxx -i url

xxx: 你要下载的库, 自己修改名字

url : pip源

国内几个pip源如下:

阿里云 http://mirrors.aliyun.com/pypi/simple/

中国科技大学 https://pypi.mirrors.ustc.edu.cn/simple/

豆瓣(douban) http://pypi.douban.com/simple/

清华大学 https://pypi.tuna.tsinghua.edu.cn/simple/

中国科学技术大学 http://pypi.mirrors.ustc.edu.cn/simple/
 

 查看gpu使用情况:

记录:nerfstudio在Ubuntu20.04上的部署记录_第13张图片

import torch
device = torch.cuda.current_device()
print("当前使用的GPU设备索引:", device)

import torch
device_count = torch.cuda.device_count()
print("可用的GPU设备数量:", device_count)

 

暂时先写到这,先发啦!

你可能感兴趣的:(人工智能,深度学习,linux)