Слияние кода завершено, страница обновится автоматически
В этом файле мы приводим некоторые советы по установке XRNeRF.
apt-get install -y build-essential git ninja-build ffmpeg libsm6 libxext6 libgl1
pip install opencv-python>=3
pip install imageio
pip install scikit-image
pip install lpips
pip install trimesh
pip install smplx
pip install spconv-cu113
pip install "git+https://github.com/facebookresearch/pytorch3d.git@stable"
Что касается требований к оборудованию: Для Instant-NGP требуется GPU-ARCH>=75, что означает, что для полной поддержки требуется как минимум RTX 20X0.
| RTX 30X0 | A100 | RTX 20X0 | TITAN V / V100 | GTX 10X0 / TITAN Xp | GTX 9X0 | K80 |
|---|---|---|---|---|---|---|
| 86 | 80 | 75 | 70 | 61 | 52 | 37 |
Если вам не нужен Instant-NGP, spconv зависит от минимальной версии CUDA. Поэтому требуется как минимум CUDA 10.2.
sudo apt install libgl-dev freeglut3-dev build-essential git ninja-build ffmpeg libsm6 libxext6 libgl1
conda create -n xrnerf python=3.7 -y
conda activate xrnerf
cu111/torch-1.10.0%2Bcu111-cp37-cp37m-linux_x86_64.whl, скачайте файл whl.pip install torch-1.10.0+cu111-cp37-cp37m-linux_x86_64.whl.pip install torchvision==0.12.0.Вы можете использовать pip install requirements.txt для установки большинства необходимых пакетов. Если этот шаг успешен, вы должны перейти к шагам kilo-cuda и spconv, чтобы установить их вручную. Или вы можете пропустить этот шаг и следовать инструкциям по установке ниже.
pip install 'opencv-python>=3' yapf imageio scikit-image lpips trimesh smplx
Установите mmcv-full, следуя инструкциям. Установка
Установите spconv с помощью pip install, например: pip install spconv-cu111. Обратите внимание, что поддерживаются только указанные версии CUDA-Vision, следуя их установке (https://github.com/traveller59/spconv).
Установите pytorch3d с помощью: pip install "git+https://github.com/facebookresearch/pytorch3d.git@stable".
Установите kilo-cuda, следуя их инструкции по установке (https://github.com/creiser/kilonerf#option-b-build-cuda-extension-yourself) (необязательно, требуется только для kilo-nerf).
Установите tcnn с помощью: pip install git+https://github.com/NVlabs/tiny-cuda-nn/#subdirectory=bindings/torch или следуя их инструкции по установке (https://github.com/NVlabs/tiny-cuda-nn#pytorch-extension) (необязательно, требуется только для instant-ngp).
e. Установка расширений
Создайте расширение cuda raymarch для поддержки instant-ngp, следуя инструкции (ngp_raymarch ../../extensions/ngp_raymarch/README.md).
Создайте расширение cuda mesh_grid для поддержки gnr, следуя инструкции (mesh_grid ../../extensions/mesh_grid/README.md).
d. Скачайте smpl_t_pose для поддержки GNR
Чтобы поддержать алгоритм GNR, вам нужно скачать папку smpl_t_pose из GNR (https://github.com/generalizable-neural-performer/gnr) и изменить basedata_cfg.t_pose_path в configs/gnr/gnr_genebody.py на соответствующее местоположение.
Вам нужно настроить демон docker, чтобы включить поддержку gpu для docker-build (для установки расширений cuda).
sudo apt-get install nvidia-container-runtime -f -y
sudo cp -f docker/daemon.json /etc/docker
sudo systemctl restart docker
Подробнее см. здесь.
Мы предоставляем Dockerfile для создания образа.
docker build -f ./docker/Dockerfile --rm -t xrnerf .
Важно: убедитесь, что вы установили nvidia-container-toolkit.
Создайте контейнер с командой:
docker run --gpus all -it xrnerf /bin/bash
Скопируйте проект в контейнер docker на вашем компьютере.
# d287273af72e — это идентификатор контейнера, используйте «docker ps -a», чтобы найти его
docker cp ProjectPath/xrnerf d287273af72e:/workspace
Чтобы проверить, правильно ли установлены XRNeRF и требуемая среда, мы можем запустить тесты Python.
coverage run --source xrnerf/models -m pytest -s test/models && coverage report -m
Обратите внимание, что перед этим необходимо установить coverage и pytest.
pip install coverage pytest -i https://pypi.tuna.tsinghua.edu.cn/simple
Вы можете оставить комментарий после Вход в систему
Неприемлемый контент может быть отображен здесь и не будет показан на странице. Вы можете проверить и изменить его с помощью соответствующей функции редактирования.
Если вы подтверждаете, что содержание не содержит непристойной лексики/перенаправления на рекламу/насилия/вульгарной порнографии/нарушений/пиратства/ложного/незначительного или незаконного контента, связанного с национальными законами и предписаниями, вы можете нажать «Отправить» для подачи апелляции, и мы обработаем ее как можно скорее.
Опубликовать ( 0 )