【深度学习】【三维重建】windows10环境配置tiny-cuda-nn详细教程

【深度学习】【三维重建】windows10环境配置tiny-cuda-nn详细教程

文章目录


前言

本人windows10下使用【Instant Neural Surface Reconstruction】算法时需要搭建tiny-cuda-nn环境,故此以详细教程以该算法依赖的环境版本为参照。

很多读者反馈在win10下出现很多问题,博主现在就重新出一篇win10版的博文,博文在博主结尾分享了读者所需的下载链接。

win11下的朋友可以直接参考【win11下配置tiny-cuda-nn参考】。

确定版本对应关系

【windows10环境配置详细教程】,
环境版本要求保持一致:CUDA(物理机),Pytorch,CUDA Toolkit

注意这里的tiny-cuda-nn对应的是真实的物理机安装的cuda版本号(环境变量里配置的cuda),不是虚拟环境下的cuda版本号,否则即使tiny-cuda-nn安装成功,也不能使用gpu。

博主的cuda版本新装了11.8,可以参考【安装多版本CUDA及其切换】。

安装GPU版本的pytorch教程,pytorch-gpu版本需要根据个人计算机去安装相应版本。

本人的安装版本为:

Python 3.8.7 + Pytorch 2.0.1 + CUDA Toolkit 11.8

使用anaconda3新建tiny-cuda-nn虚拟环境:

bash 复制代码
conda create -n tiny-cuda-nn python=3.8
activate tiny-cuda-nn

然后安装对应版本pytorch和cuda包:

bash 复制代码
pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118

源码编译安装tiny-cuda-nn

这里源码githup的readme已经给出了不同操作系统下c++编译器和cuda的版本要求。

git下载(不推荐)

bash 复制代码
# 可能需要科学上网(不推荐)
git clone --recursive https://github.com/nvlabs/tiny-cuda-nn

git下载太慢了,会时常中断导致部分文件缺失(dependencies\fmt和dependencies\cutlass文件夹内是不全),需要再单独下载再放到文件对应文件夹内。

直接下载(推荐)

【tiny-cuda-nn的下载地址】【fmt的下载地址】【cutlass的下载地址】

解压fmt和cutlass,并将文件内容放到dependencies\fmt和dependencies\cutlass中。

安装VS 2019,以管理者身份打开"x64 Native Tools Command Prompt for VS 2019"终端,cd到合适的路径,输入以下指令:

bash 复制代码
cd tiny-cuda-nn/bindings/torch
activate tiny-cuda-nn
python setup.py install

执行过程中可能出现: "Error compiling objects for extension" ,需要修改tiny-cuda-nn\bindings\torch\setup.py中的内容:

python 复制代码
cmdclass={"build_ext": BuildExtension}
# 修改为
cmdclass={'build_ext': BuildExtension.with_options(use_ninja=False)}

成功安装。

bash 复制代码
# 查看环境中的是否成功安装包
conda list

验证tiny-cuda-nn是否能使用

python 复制代码
import tinycudann as tcnn

总结

尽可能简单、详细的介绍windows10环境配置tiny-cuda-nn详细教程。

博主这里分享俩个下载链接,一个是tiny-cuda-nn的完整包【百度云下载,提取码:xgyt】,读者可以下载后直接用它安装到自己的虚拟环境中;另一个是带有tiny-cuda-nn的anaconda虚拟环境【百度云下载,提取码:l7di】,读者可以直接使用虚拟环境,不再需要额外安装tiny-cuda-nn,cuda版本是11.8。

相关推荐
大模型真好玩6 小时前
大模型训练全流程实战指南实战篇(十八)——微调问答对数据构建技术
人工智能·agent·deepseek
甲维斯6 小时前
谷歌太抽象了,快速测一下Hydrogen!
人工智能
Dawson Zhu6 小时前
【分布式训练⑧】通信优化:NCCL、Ring AllReduce与计算通信重叠
人工智能·语言模型·架构·aigc·agi
泯泷6 小时前
AI Agent 工具设计:给模型装上“手脚”,为什么不能只会调用 API?
人工智能·llm·agent
在所不辞兄7 小时前
【人工智能驱动的电催化研究-07】CSV文件、路径与可追溯记录
人工智能·深度学习·神经网络·机器学习·有限元·电化学·电催化
装不满的克莱因瓶7 小时前
【从零搭建】AI大模型之ReactAgent智能体对接MCP实战
java·人工智能·ai·springai·mcp·springaialibaba
百度Geek说7 小时前
研发Loop的上下文优化与多Agent协作实践
人工智能
七夜zippoe7 小时前
Nexent 模型配置:4 字段与 9 个槽位
数据库·人工智能·模型·nexent
硅农程序猿8 小时前
SOC 物理实现: RTL2GDS 系列(二)—Innovus 初始化
人工智能·嵌入式硬件·硬件架构
梦想很大很大8 小时前
一句“你好”用了 5671 Token:我在 Workrun 中追查 Agent 隐性成本的过程
前端·人工智能·后端