开源项目 > 人工智能 > VR/AR &&

加入 Gitee

与超过 1200万开发者一起发现、参与优秀开源项目，私有仓库也完全免费：）

克隆/下载

installation.md 4.19 KB

# 安装

本文档提供了安装 XRNerf 的相关步骤。

- [安装](#安装)
  
  - [准备环境](#准备环境)
      - [a. 创建并激活 conda 虚拟环境.](#a-创建并激活-conda-虚拟环境)
      - [b. 安装 PyTorch 和 torchvision](#b-安装-pytorch-和-torchvision)
      - [c. 安装MMHuman3D](#c-安装-mmhuman3d)
      - [d. 安装其他python包](#d-安装其他python包)

- [利用 Docker 镜像安装 XRMoGen](#利用-docker-镜像安装-xrmogen)

<!--
## 安装依赖包

- Linux
- Python 3.7+
- PyTorch 1.6+
- CUDA 10.0+
- GCC 7.5+
- build-essential: Install by `apt-get install -y build-essential git ninja-build ffmpeg libsm6 libxext6 libgl1`
- [mmcv-full](https://github.com/open-mmlab/mmcv)
- Numpy
- ffmpeg
- [opencv-python 3+](https://github.com/dmlc/decord): 可通过 `pip install opencv-python>=3` 安装
- [imageio](https://github.com/dmlc/decord): 可通过 `pip install imageio` 安装
- [scikit-image](https://github.com/dmlc/decord): 可通过 `pip install scikit-image` 安装
- [spconv](https://github.com/dmlc/decord): 从支持的版本中选择跟你本地cuda版本一致的安装, 比如 `pip install spconv-cu113`
- [pytorch3d](https://github.com/dmlc/decord): 可通过 `pip install "git+https://github.com/facebookresearch/pytorch3d.git@stable"` 安装
 -->

## 准备环境
<!--
#### a. 安装系统依赖库.

```shell
sudo apt install libgl-dev freeglut3-dev build-essential git ninja-build ffmpeg libsm6 libxext6 libgl1
``` -->

#### a. 创建并激活 conda 虚拟环境.

```shell
conda create -n xrmogen python=3.8 -y
conda activate xrmogen
conda install ffmpeg -y
```

#### b. 安装 PyTorch 和 torchvision

1. 查看pytorch-cuda版本匹配表，选择合适的版本 [here](https://pytorch.org/get-started/previous-versions/)
2. 用对应`conda install` 命令安装对应版本的PyTorch以及Torchvision。

```
conda install pytorch==1.7.1 torchvision==0.8.2 torchaudio==0.7.2 cudatoolkit=10.1 -c pytorch
```

#### c. 安装 MMHuman3D
```
mkdir ./workspace && cd ./workspace
git clone https://github.com/open-mmlab/mmhuman3d.git
cd mmhuman3d && pip install -e .
cd ../..
```

#### d. 安装其他python包
```
pip install -r requirements.txt
pip install -e .
```

## 利用 Docker 镜像安装 XRMoGen

XRMogen 提供一个 [Dockerfile](../../Dockerfile) 可以直接创建 docker 镜像

```shell
docker build -f ./Dockerfile --rm -t xrmogen .
```

**注意** 用户需要确保已经安装了 [nvidia-container-toolkit](https://docs.nvidia.com/datacenter/cloud-native/container-toolkit/install-guide.html#docker)。

运行以下命令，进入镜像:
```shell
docker run --gpus all -it xrmogen /workspace
```
在本机上(非docker镜像机内)开启一个终端，将项目文件(包括数据集)复制进docker镜像机
```shell
docker cp ProjectPath/xrmogen [DOCKER_ID]:/workspace
```
其中[DOCKER_ID] 是镜像的id, 通过下面命令确定
```
docker ps -a
```

<!-- ## 安装验证

为了验证 XRNerf 和所需的依赖包是否已经安装成功，可以运行单元测试模块

```shell
coverage run --source xrnerf/models -m pytest -s test/models && coverage report -m
```

注意，运行单元测试模块前需要额外安装 ```coverage``` 和 ```pytest```
```
pip install coverage pytest -i https://pypi.tuna.tsinghua.edu.cn/simple
``` -->

一键复制编辑原始数据按行查看历史

提交于 2022-09-01 12:33 . pass pre-commit locally

安装

本文档提供了安装 XRNerf 的相关步骤。

安装
- 准备环境
- 利用 Docker 镜像安装 XRMoGen

准备环境

a. 创建并激活 conda 虚拟环境.

conda create -n xrmogen python=3.8 -y
conda activate xrmogen
conda install ffmpeg -y

b. 安装 PyTorch 和 torchvision

查看pytorch-cuda版本匹配表，选择合适的版本 here
用对应conda install 命令安装对应版本的PyTorch以及Torchvision。

conda install pytorch==1.7.1 torchvision==0.8.2 torchaudio==0.7.2 cudatoolkit=10.1 -c pytorch

c. 安装 MMHuman3D

mkdir ./workspace && cd ./workspace
git clone https://github.com/open-mmlab/mmhuman3d.git
cd mmhuman3d && pip install -e .
cd ../..

d. 安装其他python包

pip install -r requirements.txt
pip install -e .

利用 Docker 镜像安装 XRMoGen

XRMogen 提供一个 Dockerfile 可以直接创建 docker 镜像

docker build -f ./Dockerfile --rm -t xrmogen .

注意用户需要确保已经安装了 nvidia-container-toolkit。

运行以下命令，进入镜像:

docker run --gpus all -it xrmogen /workspace

在本机上(非docker镜像机内)开启一个终端，将项目文件(包括数据集)复制进docker镜像机

docker cp ProjectPath/xrmogen [DOCKER_ID]:/workspace

其中[DOCKER_ID] 是镜像的id, 通过下面命令确定

docker ps -a

1

https://gitee.com/OpenXRLab/xrmogen.git

git@gitee.com:OpenXRLab/xrmogen.git

OpenXRLab

xrmogen

xrmogen

main