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：
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。
-
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。
-
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：
输入下面给出的命令
修改环境变量
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
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：
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：
后面两步也会有问题，解决方案是改成清华源：
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：
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
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
终于完成了！
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：
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！