本文档提供了安装 XRNeRF 的相关步骤。
apt-get install -y build-essential git ninja-build ffmpeg libsm6 libxext6 libgl1
pip install opencv-python>=3
安装pip install imageio
安装pip install scikit-image
安装pip install lpips
安装pip install trimesh
安装pip install smplx
安装pip install spconv-cu113
pip install "git+https://github.com/facebookresearch/pytorch3d.git@stable"
安装关于硬件依赖: Instant-NGP需要GPU架构>=75, 也就是说至少需要RTX 20X0及以上的显卡,才能获得xrnerf的完整支持。
RTX 30X0 | A100 | RTX 20X0 | TITAN V / V100 | GTX 10X0 / TITAN Xp | GTX 9X0 | K80 |
---|---|---|---|---|---|---|
86 | 80 | 75 | 70 | 61 | 52 | 37 |
如果不需要运行Instant-NGP, spconv 决定了最低的cuda版本依赖. 根据他们的表格可见,cuda10.2 是最低要求。
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
, 下载这个whl文件pip install torch-1.10.0+cu111-cp37-cp37m-linux_x86_64.whl
pip install torchvision==0.12.0
您可以使用 pip install requirements.txt
来安装大部分需要的 pkgs。 如果此步骤成功,您应该跳转到 kilo-cuda
和 spconv
步骤手动安装它们。 或者您可以跳过此步骤并按照以下安装步骤进行操作
pip install 'opencv-python>=3' yapf imageio scikit-image lpips trimesh smplx
根据官方说明,安装 mmcv-full
安装 spconv
, 比如 pip install spconv-cu111
. 值得注意的是只有部分cuda版本是支持的, 具体请查看 官方说明
通过 pip install "git+https://github.com/facebookresearch/pytorch3d.git@stable"
安装 pytorch3d
查看官方说明 安装 kilo-cuda
(非必须,运行kilo-nerf方法需要)
通过pip install git+https://github.com/NVlabs/tiny-cuda-nn/#subdirectory=bindings/torch
安装 tcnn
, 如果网络问题无法下载cutlass等,参考如下命令
git clone https://gitclone.com/github.com/nvlabs/tiny-cuda-nn
cd tiny-cuda-nn/dependencies
git clone https://gitclone.com/github.com/fmtlib/fmt.git
git clone https://gitclone.com/github.com/NVIDIA/cutlass.git
cd ../bindings/torch && python setup.py install
(非必须,运行instant-ngp方法需要)
smpl_t_pose
文件夹,并修改configs/gnr/gnr_genebody.py
中的basedata_cfg.t_pose_path
为对应的存放位置我们根据国内的网络环境优化了dockerfile,请使用DockerfileCN
在安装前需要修改docker的daemon配置,从而让docker的build过程支持gpu (为了编译cuda扩展):
sudo apt-get install nvidia-container-runtime -f -y
sudo cp -f docker/daemon.json /etc/docker
sudo systemctl restart docker
这里有更详细的解释.
XRNeRF 提供一个 DockerfileCN 可以直接创建 docker 镜像
docker build -f ./docker/DockerfileCN --rm -t xrnerf .
注意 用户需要确保已经安装了 nvidia-container-toolkit。
运行以下命令,创建容器:
docker run --gpus all -it xrnerf /bin/bash
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
# d287273af72e 是镜像的id, usin通过 'docker ps -a' 确定id
docker cp ProjectPath/xrnerf d287273af72e:/workspace
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
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
此处可能存在不合适展示的内容,页面不予展示。您可通过相关编辑功能自查并修改。
如您确认内容无涉及 不当用语 / 纯广告导流 / 暴力 / 低俗色情 / 侵权 / 盗版 / 虚假 / 无价值内容或违法国家有关法律法规的内容,可点击提交进行申诉,我们将尽快为您处理。