Grendel-GS 项目使用与配置指南

Grendel-GS 项目使用与配置指南

Grendel-GS Ongoing research training gaussian splatting at scale by distributed system 项目地址: https://gitcode.com/gh_mirrors/gr/Grendel-GS

1. 项目目录结构及介绍

Grendel-GS 项目的主要目录结构如下：

• assets/: 存储项目所需的资源文件。
• examples/: 包含了一些示例数据和代码。
• gaussian_renderer/: 实现了高斯渲染的相关代码。
• lpipsPyTorch/: 用于计算图像之间感知差异的PyTorch库。
• scene/: 包含场景处理的代码。
• submodules/: 存储了项目依赖的子模块。
• utils/: 通用工具函数。
• .gitignore: 指定git忽略的文件。
• .gitmodules: 指定子模块的信息。
• LICENSE.txt: 项目许可证文件。
• README.md: 项目说明文件。
• analyze.py: 分析工具脚本。
• analyze_statistic.py: 统计分析脚本。
• convert.py: 数据转换脚本。
• densification.py: 密集化处理脚本。
• environment.yml: Conda环境配置文件。
• metrics.py: 评估指标计算脚本。
• render.py: 渲染脚本。
• train.py: 训练脚本。
• train_internal.py: 内部训练脚本。

2. 项目的启动文件介绍

项目的启动主要涉及以下几个脚本：

• train.py: 用于启动训练流程的脚本。可以指定数据集路径、模型存储路径、是否进行评估、批量大小等参数。
• render.py: 用于启动渲染流程的脚本。可以指定数据集路径和模型路径等参数。

例如，使用单个GPU进行训练的命令如下：

python train.py -s <path_to_COLMAP_dataset> --eval

使用多个GPU进行分布式训练的命令如下：

torchrun --standalone --nnodes=1 --nproc-per-node=4 train.py --bsz 4 -s <path_to_COLMAP_dataset> --eval

3. 项目的配置文件介绍

项目的配置主要通过以下文件进行：

• environment.yml: Conda环境配置文件，用于创建项目运行所需的Python环境和依赖库。

在项目根目录下运行以下命令可以创建环境：

conda env create --file environment.yml

之后激活环境：

conda activate gaussian_splatting

• train.py 和 render.py 中的命令行参数：这些脚本提供了丰富的命令行参数，用于配置训练和渲染过程中的各种参数，如批量大小、迭代次数、学习率等。

例如，在 train.py 中可以通过 --bsz 参数设置批量大小，通过 --iterations 参数设置总迭代次数等。具体的参数说明可以在脚本的命令行帮助中找到。

Grendel-GS Ongoing research training gaussian splatting at scale by distributed system 项目地址: https://gitcode.com/gh_mirrors/gr/Grendel-GS