实验笔记之——基于windows复现Instant-NGP

之前博客对NeRF-SLAM进行了调研,本博文先复现一下Intant-NGP。

学习笔记之——NeRF SLAM(基于神经辐射场的SLAM)-优快云博客文章浏览阅读851次,点赞22次,收藏21次。NeRF 所做的任务是 Novel View Synthesis(新视角合成),即在若干已知视角下对场景进行一系列的观测(相机内外参、图像、Pose 等),合成任意新视角下的图像。传统方法中,通常这一任务采用三维重建再渲染的方式实现,NeRF 希望不进行显式的三维重建过程,仅根据内外参直接得到新视角渲染的图像。为了实现这一目的,NeRF 使用用神经网络作为一个 3D 场景的隐式表达,代替传统的点云、网格、体素、TSDF 等方式,通过这样的网络可以直接渲染任意角度任意位置的投影图像。https://blog.youkuaiyun.com/gwplovekimi/article/details/135083274?spm=1001.2014.3001.5501Intant-NGP论文链接:https://dl.acm.org/doi/pdf/10.1145/3528223.3530127

代码链接:https://github.com/NVlabs/instant-ngp

原理解读部分在调研博客里面已经写了,此处就不再详述。本博文仅仅记录配置实验过程。本博文部分资料来源于网络,仅供本人学习记录用~

首先看看电脑的gpu信息。点击“此电脑-管理-设备管理器-显示适配器”。

电脑的GPU是3090,那么应该就是属于下面第一个类别的了

<think>好的,用户想在Windows复现instant-ngp项目,需要指导搭建和运行步骤。首先,我得回忆一下相关的引用内容。引用[1]提到项目地址和数据集制作,引用[2]是关于Anaconda环境的安装,引用[3]涉及CMake的配置。 首先,用户需要搭建环境。根据引用[2],在Windows 10上安装Anaconda是必要的,这样可以创建独立的虚拟环境,避免依赖冲突。应该指导用户安装Anaconda,然后创建Python 3.8的环境,并安装PyTorch,因为instant-ngp可能依赖特定版本的PyTorch。需要确认PyTorch的版本是否与CUDA匹配,用户可能有不同的GPU,所以建议检查CUDA版本,比如11.3或11.6。 接下来是克隆项目仓库。引用[1]提供了项目地址,用户需要从GitCode克隆代码。这一步需要确保git已经安装,并且路径不含中文,如引用[3]提到的,路径中的中文会导致问题。 然后是依赖安装。项目可能依赖一些Python包,比如numpy、scipy等,需要用pip安装。此外,可能需要安装CMake来编译C++部分,引用[3]中提到了使用CMake配置项目,所以需要指导用户安装CMake并正确配置源目录和输出目录(build),确保路径无中文。 编译部分可能比较复杂,用户可能需要运行一些命令,比如cmake和ninja,来生成解决方案。这部分需要详细说明,避免用户在此处出错。比如,进入build目录,执行cmake命令指定生成器为Visual Studio 2022,然后编译。如果有CUDA支持,要确保环境变量正确,或者用户安装了CUDA Toolkit。 数据集准备也是关键步骤。引用[1]提到数据集制作指南,可能需要用户准备自己的数据或下载示例数据集,如NeRF合成的数据集,并按照要求组织目录结构。 运行阶段,用户需要激活conda环境,运行测试脚本或训练命令。可能需要调整参数,比如指定数据集路径或调整训练参数。如果遇到错误,需要提示常见问题,如路径错误、依赖版本不兼容或CUDA配置问题,并建议查看日志。 最后,生成相关问题,帮助用户深入理解项目部署和优化,比如如何制作自定义数据集,环境配置问题,性能优化方法,与其他NeRF项目的比较,以及实时渲染的实现原理。 需要确保步骤清晰,使用中文,代码块正确,数学公式用$...$,独立公式用$$...$$。检查是否有遗漏步骤,如安装CUDA Toolkit、配置环境变量等,可能用户需要额外指导。同时,注意引用标记的位置,如环境搭建部分引用[2],CMake配置引用[3],数据集引用[1]。</think>### 在 Windows 系统上搭建和运行 Instant-ngp 的步骤 #### 1. **环境准备** - **安装 Anaconda**:用于管理 Python 虚拟环境(引用[2])。 下载地址:https://www.anaconda.com/products/distribution 安装后创建并激活虚拟环境: ```bash conda create -n instant-ngp python=3.8 conda activate instant-ngp ``` - **安装 PyTorch**:根据 CUDA 版本选择命令(若使用 GPU): ```bash # CUDA 11.3 conda install pytorch torchvision torchaudio cudatoolkit=11.3 -c pytorch ``` - **安装其他依赖**: ```bash pip install numpy scipy opencv-python tqdm ``` #### 2. **克隆项目代码** ```bash git clone https://gitcode.com/Resource-Bundle-Collection/fad8e cd fad8e # 进入项目目录(路径不含中文) ``` #### 3. **配置 CMake 和编译(引用[3])** - 安装 **CMake**:从官网下载并安装最新版。 - 在项目目录下创建 `build` 文件夹(确保路径无中文)。 - 打开 CMake GUI: - 设置源目录为项目文件夹(如 `D:/projects/fad8e`)。 - 设置输出目录为 `build`。 - 点击 **Configure**,选择生成器为 `Visual Studio 2022`(需提前安装)。 - 点击 **Generate** 生成解决方案。 - 使用命令行编译: ```bash cd build cmake --build . --config Release ``` #### 4. **准备数据集** - 下载示例数据集(如 NeRF 合成数据)并解压到 `data` 目录。 数据集目录结构示例: ``` data/nerf_synthetic/lego ├── transforms_train.json └── ... ``` #### 5. **运行项目** - 激活虚拟环境并启动训练: ```bash conda activate instant-ngp python scripts/run.py --scene data/nerf_synthetic/lego --mode nerf ``` - 若使用 GPU,添加参数 `--gpu 0`。 #### 6. **常见问题** - **路径含中文**:编译或运行时可能报错,需确保所有路径为英文[^3]。 - **CUDA 版本不匹配**:检查 PyTorch 和 CUDA 的版本兼容性[^2]。 - **依赖缺失**:通过 `pip install -r requirements.txt` 补充安装。 --- ###
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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