Pytorch3D Linux环境下安装(踩坑)记录

torch_geometric的安装过程和Error building wheel for torch-scatter报错的解决 torch_geometric安装,Error building wheel for torch-scatter的解决 阅读详情
AI摘要

本文档详细记录了在Linux环境下安装PyTorch3D的两种方法:预构建二进制安装和源码编译。预构建安装涉及创建conda环境、安装PyTorch、fvcore和iopath库,以及PyTorch3D。源码编译则包括更多步骤,如手动安装fvcore和iopath,以及编译PyTorch3D。安装过程中需要注意gcc版本(推荐7.5)、CUDA版本(推荐10.2)以及Python和PyTorch的兼容性。遇到问题时,建议先尝试预构建安装,若不成功再进行源码编译。

Pytorch3D Linux环境下安装(踩坑)记录

文章目录

前言

一、准备工作

二、极简安装(Installing prebuilt binaries)

1.创建环境

2.安装Pytorch

3.安装两个核心库

4.(非必要)Tests/Linting and Demos 相关

5.安装Pytorch3D

三、手动安装(Building from source)

1.创建环境

2.安装Pytorch

3.安装两个核心库(手动安装)

4.安装CUB libaray

5.(非必要)Tests/Linting and Demos 相关

6.安装Pytorch3D(手动Build)

总结


前言

因为代码迁移,在多个的环境下都安装过Pytorch3D。但是由于gcc、CUDA版本等问题,有的环境安装十分顺利,有的耗费了大量时间,这里我把遇到的各种情况(多种方法)都记录下来。

Pytorch3D官方指南如下:

pytorch3d/INSTALL.md at main · facebookresearch/pytorch3d · GitHub

其中内容写的还是大致清晰的,但是在有些地方写的比较冗杂,实际操作上并没有那么多内容。


一、准备工作

官网给出了很多准备要求,在我的实际操作中(两种安装方式 installing prebuilt binaries / building from source),主要受到了以下限制:

1. gcc版本不宜过高,否则很可能在自己build Pytorch3D时出现各种各样的问题(我在使用9.x版本build时失败),个人推荐7.5(Pytorch3D官方要求gcc & g++ ≥ 4.9,对于Ubuntu 16.04默认gcc可能过低或现有gcc过高的情况,下载合适的gcc版本切换优先级即可)

2. CUDA版本尽量选择高版本,9.x有可能找不到合适的prebuilt 版本,个人推荐10.2

3. 在整个安装过程中版本之间限制比较繁杂,并且考虑到网络问题,个人成功配置(均在Ubuntu 16.04环境下)是

Installing prebuilt binaries: python=3.8 + pytorch=1.7.1 + cuda=10.2 + gcc=7.5 + pytorch3d=0.6.1 (conda 安装)

Building from source: python=3.8 + pytorch=1.6.0 + cuda=10.2 + gcc=7.5 + pytorch3d=0.6.1 (git clone 下载)

二、极简安装(Installing prebuilt binaries)

如果一切顺利(但愿),这就是最便捷的安装方法。

1.创建环境

命令如下:

conda create -n pytorch3d python=3.8
conda activate pytorch3d

2.安装Pytorch

命令如下:

conda install -c pytorch pytorch=1.7.1 torchvision cudatoolkit=10.2

顺便把Pytorch安装版本库贴在这里:

Previous PyTorch Versions | PyTorch

3.安装两个核心库

命令如下:

conda install -c fvcore -c iopath -c conda-forge fvcore iopath

如果安装出现问题可以看第三节手动安装。

4.(非必要)Tests/Linting and Demos 相关

# Demos and examples
conda install jupyter
pip install scikit-image matplotlib imageio plotly opencv-python

# Tests/Linting
pip install black 'isort<5' flake8 flake8-bugbear flake8-comprehensions

5.安装Pytorch3D

# Anaconda Cloud
conda install pytorch3d -c pytorch3d

如果没有找到合适的,可以试试nightly版本

conda install pytorch3d -c pytorch3d-nightly

一般来讲,如果以上方式中conda在搜索时找不到合适的Pytorch3D prebuilt库(当然也可以试试官网中的pip 和 wheel安装),那就不要浪费时间解决问题直接选择自己build from source。

三、手动安装(Building from source)

如果出现了各种问题,可以试试以下方法。

1.创建环境

同第二节。

2.安装Pytorch

同第二节。

3.安装两个核心库(手动安装)

命令如下:

iopath

git clone https://github.com/facebookresearch/iopath
​​pip install -e iopath

fvcore

git clone https://github.com/facebookresearch/fvcore
pip install -e fvcore

手动安装在打包环境时可能不能迁移:

xxx$ conda pack -n pytorch3d
Collecting packages...
CondaPackError: Cannot pack an environment with editable packages
installed (e.g. from `python setup.py develop` or
 `pip install -e`). Editable packages found:

- /xx/fvcore
- /xx/iopath

4.安装CUB libaray

命令如下:

conda install -c bottler nvidiacub

手动安装方法不再赘述。 

5.(非必要)Tests/Linting and Demos 相关

同第二节。 

6.安装Pytorch3D(手动Build)

直接选择git clone到本地

git clone https://github.com/facebookresearch/pytorch3d.git

通过pip安装

cd pytorch3d
pip install -e .

或

通过setup.py安装

cd pytorch3d
python3 setup.py install

安装需要一点时间,如果中途不报错应该没有太大问题,如果build出现问题可以尝试更改gcc版本。

另外,可以使用官网的test命令测试build成功与否

cd pytorch3d/tests
python3 -m unittest discover -p *.py

总结

安装Pytorch3D一定不要总认准一个方法,实在不行就赶快换另一种安装方式节省时间,debug是永远弄不完的。推荐顺序肯定是先Installing prebuilt binaries再试Building from source。

Ubuntu安装pytorch3d的最便捷方法【原创】 Ubuntu安装pytorch3d的最便捷方法 阅读详情

相关推荐

从编译错误到成功运行:我是如何搞定PyTorch3D在Linux(CUDA 10.1)下的手动编译安装的

本文详细记录了在Linux系统(CUDA 10.1环境)下手动编译安装PyTorch3D的全过程,包括环境准备、依赖安装、CUB兼容性问题解决、GCC版本降级等关键步骤。通过实战经验分享,帮助开发者避免常见编译错误,成功完成PyTorch3D的安装与验证。

weixin_29091837的博客 83

Linux 安装pytorch3d

本文主要记录在Linux上安装pytorch3d的步骤

L_e_e_的博客 1817

Pytorch-3D(安装)环境搭建小记

Pytorch-3D(安装)环境搭建小记 如下是Pytorch-3D官网给出的why pytorch? Our goal with PyTorch3D is to help accelerate research at the intersection of deep learning and 3D. 3D data is more complex than 2D images and while working on projects such as Mesh R-CNN and C3DPO, we en

weixin_42150591的博客 9131

Linux服务器安装pytorch3d完整流程

接上一篇安装tiny-cuda-nn完整流程,本人现在记录一下安装pytorch3d完整流程,同时供各位一块安装,省去一些不必要的时间。首先需要提醒的是,虽然其他博客提到直接使用conda install和pip install十分的方便,但是由于这两种安装的包的编译环境大概率和你自己的虚拟环境不一样,会导致安装的包无法使用,所以强烈建议从git上自己手动进行安装!!

weixin_60739161的博客 3315

Prebuilt-Binaries:在各种平台上构建的各种软件

预建的二进制文件 在各种产品的不同平台上预构建的二进制文件。 注意事项: 它们不在官方存储库中 有些可能是定制的 如果有人需要: 现有软件的另一个(更新)版本 全新软件 ping我(在这里, , ,...),我将尝试添加它。 请注意,这可能/需要一段时间(尤其是第二项),在某些情况下(需要太多工作/研究),甚至可能无法实现。 如果有人发现现有软件中存在问题,请告诉我,以便我尽快进行补救(或删除有问题的部分) 法律信息 在任何情况下,我(在此存储库中构建软件的实体)均不承担任何责任: 由于使用软件而可能出现的损坏或损失 违反许可条款。 使用该软件的任何人都有责任查阅(并遵守)许可条款。 如果不清楚,请在使用软件之前与软件供应商联系。 对于我自定义构建的软件(例如.zip文件),我包括了软件本身(在某些情况下还包括任何其他软件)的许可证文件(例如LICENSE * , REA

Python库 | pytorch3d-0.2.0-cp38-cp38-manylinux1_x86_64.whl

资源分类:Python库 所属语言:Python 资源全名:pytorch3d-0.2.0-cp38-cp38-manylinux1_x86_64.whl 资源来源:官方 安装方法:https://lanzao.blog.csdn.net/article/details/101784059

Linux子系统下的pytorch3d安装记录

Linux子系统下的pytorch3d安装记录(miniconda安装,pytorch1.7.1版本)

Sovereign00的博客 2287

达梦数据库与sharding-jdbc的深度适配实践

本文详细介绍了达梦数据库与sharding-jdbc的深度适配实践,包括驱动与依赖管理、核心适配实现、注册与配置等关键步骤。通过扩展shardingSphere的方式,成功实现了达梦数据库的分库分表功能,并提供了常见问题解决方案和性能优化建议,助力企业级应用高效处理海量数据。

weixin_30300225的博客 625

记录Linux环境pytorch3d环境安装遇到的坑及解决方法

哈哈,到这里,环境崩了orz。可能的原因是pytorch3d和torch版本不匹配,导致有些torch的文件在安装pytorch3d环境的时候被覆盖了(忘记在哪篇博文看到的解释)。到这里基本上pytorch3d的环境就安装好了,然后再去MVTN仓库里安装其他的包,就能跑通代码了。(后面还尝试了直接克隆pytorch3d仓库进行安装,也失败了,遂放弃)为了防止环境再崩一次,于是选择新建一个环境。流程按照官方给的文档。代码,在配置环境的时候遇到了很多问题,特此记录。再重新安装torch环境。

m0_68830251的博客 879

Trae IDE与Playwright MCP:5分钟实现零代码网页数据抓取

网页数据抓取是数据采集和自动化处理中的基础技术,其核心原理是通过程序模拟浏览器行为,定位并提取页面中的结构化信息。传统方式依赖编写脚本处理网络请求、解析HTML和应对反爬机制,技术门槛较高。而结合AI与自动化工具的新范式,通过自然语言交互即可完成复杂操作,极大降低了技术门槛并提升了开发效率。这种技术价值在于将开发者从繁琐的编码中解放,使其更专注于数据分析和业务逻辑。在数据监控、市场调研、竞品分析等应用场景中,快速获取网页数据是关键需求。本文以Trae IDE集成Playwright MCP为例,演示如何通过

culi3118的博客 499

CANFD升级踩坑实录:DBC转换时DLC大于8的信号怎么处理?

本文详细探讨了CANFD升级过程中DLC大于8的信号处理问题,提供了工程化解决方案和AutoSar BSW层配置要点。通过分析CAN与CANFD的DLC本质差异,提出信号拆分重组、DLC重映射和协议层适配三种策略,并给出验证与测试方案,帮助开发者避免数据截断和通信故障。

weixin_42521843的博客 233

在Ubuntu20.04系统anaconda3的环境下安装pytorch3d+opencv

Ubuntu20.04 + Anaconda安装pytorch3d和opencv

Happy__gai的博客 4208

别再死磕官方文档了!用宿舍开黑的故事,5分钟搞懂Autosar CanNM网管报文

本文通过宿舍开黑游戏的生动类比,深入浅出地解析了Autosar CanNM网管报文的工作原理。从游戏队友协作到汽车ECU节点的同步机制,详细介绍了网管报文的唤醒流程、通信协议及休眠策略,帮助读者快速掌握这一关键技术。

weixin_30463341的博客 262

安装pytorch3d 遇到的问题,以及解决方案

安装pytorch3d 遇到的问题,以及解决方案 遇到的问题 ImportError: /usr/lib/libcudart.so.10.1: version `libcudart.so.10.1' not found (required by /home/user/anaconda3/envs/pytorch_11/lib/python3.7/site-packages/pytorch3d/_C.cpython-37m-x86_64-linux-gnu.so) ImportError: /ho.

qq_32571391的博客 1万+

OTA 升级失败/回滚策略设计:打造安全可靠的双分区/断点续传/签名校验方案

双分区机制(A/B Partitioning)是OTA升级的“保险箱”。简单来说,设备存储分为两个分区:A分区(当前运行)和B分区(备用)。升级时,新固件写入B分区,A分区保持不变。如果升级成功,系统切换到B分区运行;如果失败,设备直接回滚到A分区,完全不受影响。这就像玩游戏存档:你打Boss前存了个档,万一挂了还能读档重来。双分区就是设备的“读档”机制,避免了变砖的尴尬。以Android设备为例,Google从Android 7.0开始强制引入A/B分区机制(Seamless Updates)。

大模型大数据攻城狮的专栏 1236

YOLOv8安防监控实战:跌倒/闯入/徘徊实时检测(附TensorRT加速+声光报警部署代码)

精准性:针对跌倒/闯入/徘徊的行为特征优化,准确率达89.3%,误报率低于5次/天;实时性:TensorRT加速到50+FPS,报警延迟<1秒,满足安防“黄金响应时间”;低成本:无需专用AI芯片,RTX 3060或Jetson Orin就能跑,硬件成本比传统方案低60%;易部署:代码全开源,提供从模型训练到硬件联动的完整流程,2天即可搭起原型系统。如果你的安防监控还在“漏报误报”“响应慢”,建议先从跌倒检测的姿态过滤改起——用100张样本测试,再集成TensorRT加速,90%能看到明显改善。

专注于Python爬虫开发,分享爬虫技巧、项目实战与反爬经验,使用Scrapy、BeautifulSoup等工具,解决数据抓取难题。 681

pytorch以及pytorch3d配置环境

pytorch3d

weixin_53410945的博客 1061

【数据集】MODIS 的 MOD07 大气廓线产品概述及下载

MODIS 的 MOD07 大气廓线产品概述及下载

WW、forever的博客 553

pytorch3d linux安装

两步并一步的话就是:pip install torch==2.1.0 torchvision==0.16.0 torchaudio==2.1.0 xformers==0.0.22.post7 --index-url https://download.pytorch.org/whl/cu121。这个要跟torch对应起来,按照我上面的版本对应的就是:xformers==0.0.22.post7。1. 先装torch:我的cuda版本是12.1,python选择的是3.10。

baidu_41904317的博客 576

RK3588芯片USB OTG模式切换:Device到Host的驱动奥秘之旅

摘要:本文详细介绍了RK3588芯片USB OTG模式从Device到Host的完整驱动流程,包括硬件电路设计、内核驱动配置、模式切换机制及验证方法。RK3588芯片凭借强大的性能和灵活的USB OTG特性,在工业控制、智能家居等领域具有广泛应用前景。文章重点分析了Type-C接口设计、USBPHY芯片选型、Linux内核模块配置等关键技术要点,并提供了模式切换脚本使用方法和常见问题解决方案,为开发者实现RK3588 USB OTG功能提供了全面指导。

远程部署调试 运行安装 项目调试 二次开发 项目技术新 持续迭代 部分源码免费分享 743

精雕软件(JDpaint) 5.5 绿色版

精雕软件(JDpaint) 5.5 绿色版精雕软件(JDpaint) 5.5 绿色版精雕软件(JDpaint) 5.5 绿色版

Linux下PyTorch3D环境搭建:从依赖冲突到编译成功的避坑指南

本文详细介绍了在Linux系统下搭建PyTorch3D环境的完整流程,重点解决依赖冲突和编译问题。从Python版本选择、CUDA兼容性到GCC降级,提供了从源码编译PyTorch3D的避坑指南,帮助开发者高效完成环境配置。

weixin_27427619的博客 155

华为的C语言编程规范.pdf

华为技术有限公司内部技术规范。本规范制定了编写C语言程序的基本原则、规则和建议。从代码的清晰、简洁、可测试、安全、程序效率、可移植各个方面对C语言编程作出了具体指导。

【Gen6D位姿估计】在Linux环境下的复现日志(包含COLMAP安装)

算法和代码框架均来自港大的课题组gen6d介绍页面我只是拿来做一个毕设,答辩结束后会遵循GPL协议开放所有代码这篇博客仅作为开发日志,记录一下部署过程中的各种问题和解决方法,仅供学习讨论此外,不得不说,这项工作的识别估计的效果不错,但是效率有点太低了,在GTX1650上处理一帧数据需要1.07秒。

嵌入式、机器人、深度学习 1482

win10 跳过U8环境检测的IE WebControls.rar

win10 安装u8的时候 提示IE WebControls 不通过,这个工具可以欺骗u8的检查。 跳过U8环境检测的IE WebControls。提示导入失败后,重新检测通过。

最新的sdio 4.0 spec 协议标准 带书签 高清完整PDF版

Part-E1-SDIO-Specification-Ver4.00-Final-120220.pdf:最新的sdio 4.0 spec 协议标准 带书签 高清完整PDF版,包括SDIO 接口的外设,SDIO 接口官方协议等。

[pytorch3d安装问题解决]ImportError: libc10.so: cannot open /ImportError: libcudart.so.10.1 /段错误 (核心已转储)

本人环境:RTX4090+CUDA11.8ImportError: libc10.so: cannot open shared object file: No such file or directory(一般是因为安装pytorch3d步骤有误或版本不匹配)段错误 (核心已转储) (一般是因为安装pytorch3d步骤有误)

Bartender_VA11的博客 4119

Linux下的Segment Any 3D Gaussians环境配置

解决办法:找到对应的文件,将其删除,然后重新pip install -e . ,比如说我的报错是从diff-gaussian-rasterization中import的文件出现问题,就将diff-gaussian-rasterization文件夹删除,然后重新安装就行。在安装环境之前需先检查cuda版本,在后面安装pytorch3d的时候用的上。在安装完pytorch之后直接进行pytroch3d的安装,pytorch3d的安装算是整个过程最棘手的,但找对链接就还好。(3)pytorch3d安装。

qq_44310990的博客 1582

从零到一:Linux服务器上PyTorch3D的编译与优化实战

本文详细介绍了在Linux服务器上从源码编译和优化PyTorch3D的完整流程,包括环境准备、依赖管理、编译配置、性能优化及生产环境部署建议。通过conda环境管理和CUDA版本匹配等关键步骤,帮助开发者高效构建3D深度学习环境,提升计算机视觉任务的执行效率。

weixin_29056865的博客 344

Linux下PyTorch3D环境搭建:从依赖冲突到编译成功的避坑实录

本文详细记录了在Linux系统下成功搭建PyTorch3D开发环境的完整过程,重点解决了PyTorch版本、CUDA、CUB库及GCC编译器之间的依赖冲突。通过分步指导安装指定版本的PyTorch、手动配置CUB环境变量、降级GCC编译器版本等关键操作,最终实现编译成功,为计算机视觉与三维重建项目提供了稳定的环境基础。

algae的博客 498
帕斯卡多
博客等级 码龄7年 4粉丝 1原创
评论 2
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值