本文参考链接：
最近在看3D高斯的源代码，发现其中submodules文件夹下有许多的.cu文件。进一步的，发现其中的代码是使用C++实现的，且涉及对CUDA核心的直接使用。代码用CUDA直接实现了3D高斯实验中的一些计算问题。如计算3D高斯在二维屏幕上的投影、将投影转化成近似圆、计算tile等操作...
令我疑惑的是3DGS的源代码明明使用了Pytorch，这些涉及算法核心原理的步骤为什么不直接使用pytorch实现，为什么会多出这些.cu源码？
原来，Pytorch之所以称为"深度学习框架"，是因为pytorch是一种更高层的封装，pytorch集成了许多在深度学习中使用的算子，如卷积、池化、激活函数等。这些算子显然在一般的深度学习任务中能够非常方便的使用，提高工作效率。
3DGS与此的不同之处在于，3DGS是一门渲染技术，本质上并不涉及这些常规的深度学习算子 操作。3DGS为了能够使用GPU进行并行运算，其源码部分进行了自定义的算子，这些算子能够实现3DGS所需要的光栅化操作。
而在整个代码的外层，仍是由pytorch进行对接，而核心的计算部分，是自定义的算子。而非pytorch本身集成的算子。
所以本质上，3DGS只是与一般的神经网络思路相同，包含前向传播和反向传播两个过程。并没有卷积等提取图像特征的工作，取而代之的是图像的光栅化技术。