【NERF】Ubuntu20.04系统从0开始搭建nerf-pytorch环境

已于 2024-06-07 23:17:52 修改
阅读量1.4k 收藏 29
点赞数 5
分类专栏： nerf-pytorch代码 文章标签： conda python ubuntu 人工智能 计算机视觉
于 2023-09-04 22:35:03 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/weixin_48400654/article/details/132670094
版权
本文详细指导了如何安装NVIDIA驱动、Anaconda、CUDA、CUDNN以及nerf-pytorch所需的Python环境，包括创建虚拟环境、安装PyTorch和其他相关库，最后演示了如何运行示例DEMO。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

目录

安装nvidia驱动

安装anaconda

安装CUDA

安装CUDNN

克隆nerf-pytorch代码

创建并激活虚拟环境

安装PyTorch

安装其他的库

运行DEMO

安装nvidia驱动

打开软件与更新

我选的是阿里源，也可以选清华源，都可以的。

选择适合自己的版本，先进行应用更改在进行重新启动。

然后就可以啦！真的太方便辽！

安装anaconda

  • 下载安装包

 anaconda下载官网：Free Download | Anaconda 

wget https://repo.anaconda.com/archive/Anaconda3-2023.07-2-Linux-x86_64.sh
  • 运行安装
sh Anaconda3-2023.07-2-Linux-x86_64.sh

按enter键；输入yes按enter键；

此处回车选择默认在用户主目录下创建一个名为anaconda3的文件夹作为安装地址。

  • 输入conda -V命令（注意conda与-V之间有一个空格）可查看当前Anaconda版本
conda -V
  • 输入python命令查看是否可以使用python
python

安装CUDA

  • 下载安装包

CUDA下载地址： CUDA Toolkit Archive | NVIDIA Developer

wget https://developer.download.nvidia.com/compute/cuda/11.3.0/local_installers/cuda_11.3.0_465.19.01_linux.run

  • 运行安装
sh cuda_11.3.0_465.19.01_linux.run

更改安装路径

（因为我们是一个服务器多个人用，所以要安装在自己的账户下）

  • 配置并更新环境变量
vim ~/.profile

#添加
export PATH="/home/lyc/cuda-11.3/bin:$PATH"
export LD_LIBRARY_PATH="/home/lyc/cuda-11.3/lib64:/home/lyc/cuda-11.3/mylib/lib64:$LD_LIBRARY_PATH"

source ~/.profile
  •  输入nvcc -V命令（注意nvcc与-V之间有一个空格）可查看当前CUDA版本

安装CUDNN

  • 下载安装包

cudnn下载地址：cuDNN Archive | NVIDIA Developer

​

  • 解压
xz -d cudnn-linux-x86_64-8.9.4.25_cuda11-archive.tar.xz
tar -xvf cudnn-linux-x86_64-8.9.4.25_cuda11-archive.tar
  • 将include和lib中的内容复制到cuda文件夹中
cp include/cudnn.h /home/lyc/cuda-11.3/include
cp lib/libcudnn* /home/lyc/cuda-11.3/lib64
  •  添加读取权限
chmod a+r /home/lyc/cuda-11.3/include/cudnn.h /home/lyc/cuda-11.3/lib64/libcudnn*

克隆nerf-pytorch代码

nerf-pytorch代码网址：https://github.com/yenchenlin/nerf-pytorch

git clone https://github.com/yenchenlin/nerf-pytorch.git

​

创建并激活虚拟环境

conda create -n nerf python=3.7
conda activate nerf

安装PyTorch

PyTorch官网：Start Locally |PyTorch

conda install 或者 pip install 都可以，二选一就行。 

​

#二选一即可

# CUDA 11.3
conda install pytorch==1.11.0 torchvision==0.12.0 torchaudio==0.11.0 cudatoolkit=11.3 -c pytorch

# CUDA 11.3
pip install torch==1.11.0+cu113 torchvision==0.12.0+cu113 torchaudio==0.11.0 --extra-index-url https://download.pytorch.org/whl/cu113

验证pytorch是否安装成功：

安装其他的库

根据requirements.txt，用pip安装其他的库：

pip install imageio
pip install imageio-ffmpeg
pip install matplotlib
pip install configargparse
pip install tensorboard
pip install tqdm
pip install opencv-python

运行DEMO

  • 下载 lego 和 fern数据集 
bash download_example_data.sh

  • 训练一个低分辨率的 lego NeRF
python run_nerf.py --config configs/lego.txt

运行成功咯：

训练结果存放目录：logs/blender_paper_lego。

训练50000次：

训练100000次：

训练150000次：

训练200000次：

三种最常用的特征检测与匹配算法总结实践！
3D视觉工坊
06-16 942
作者：计算机视觉@一杯红茶|来源：计算机视觉工坊我们都知道特征检测和匹配是计算机视觉领域中的重要任务，它们在许多应用中发挥着关键作用，比如SLAM、SFM、AR、VR等许多算法都需要稳定精确的特征检测和匹配。特征检测算法的意义在于从图像或视频中提取出具有独特性质的特征点，这些特征点可以代表图像中的关键信息。这些特征点通常具有旋转、尺度和光照变化的不变性，使得它们在图像的不同位置和角度下都能够被准确...
一、环境搭建：ubuntu20.04下配置 PyTorch
qq_36079948的博客
08-07 501
一、windows安裝ubuntu20.04双系统 u盘启动盘制作 下载镜像https://ubuntu.com/download/desktop 下载rufus. //需要vpn 制作启动盘 磁盘分区&安装 此电脑->管理->磁盘管理->最后一个盘符->压缩卷100G以上（深度学习数据蛮大的） 重启电脑进入bios（联想长按F2或fn+F2）→security boot disabled→f10 save&exit
NRF开发环境搭建
qq_44723015的博客
06-22 409
NRF开发环境搭建
Ubuntu18.04运行NeRF
weixin_53805189的博客
10-23 537
这是一个结合单目稠密SLAM和层次化体素神经辐射场的3D场景重建算法，能实时地用图像序列实现准确的辐射场构建，并且不需要位姿或深度输入。论文的核心思想是，使用一个单目稠密SLAM方法来估计相机位姿和稠密深度图以及它们的不确定度，用上述信息作为监督信号来训练NeRF场景表征。参考【位姿估计_代码_开源复现】 在Ubuntu20.04安装并运行NeRF-SLAM-优快云博客。
记录：nerfstudio在Ubuntu20.04上的部署记录
peachofchangan的博客
10-10 1263
nerf
Ubuntu Nerfstudio安装
qq_33228039的博客
05-23 620
在提供一个百度网盘的（链接：https://pan.baidu.com/s/1_R6r5t_7eFxK4OzNTVAxbg。修改colmap/cmake/FindDependencies.cmake 127行增加这一句。训练自己数据集时，需要经过colmap处理以解算相机位姿以供nerf使用。所以我之前的在笔记本上安装就白费了，只好换在服务器上。下载后解压放在data/nerfstudio路径下。安装tiny-cuda-nn最好还是源码安装。如果数据下载不下来，这里有说下载路径在哪。
训练笔记Ubuntu——NeRF训练
L_YXDE的博客
07-03 1325
因此，在.obj文件的同目录下，需要存在一个.mtl文件，这样导入的模型才会有颜色信息，Blener会自动识别.mtl。目的：渲染3D模型在不同视角下的图片，并为之生成对应的pose，相机内参。.obj文件保存的是模型的几何信息，.mtl保存的是模型的颜色信息，这两个文件shapnet数据集里都有。建议版本：2.79（原因：现有的一些代码不支持新版本，会出现报错，所以下载2.79版就行）如果不想要颜色，可以只单独导入.obj，同目录下不要放.mtl。demo.sh中是需要运行的代码，可根据自己的需求修改。
【mip-NeRF】使用一组二维图像渲染3D场景视频（mip-NeRF论文复现）
Ryan2k的博客
04-23 1471
本文对mip-NeRF模型的pytorch实现进行了复现
【NeRF-SLAM环境搭建秘籍】：成功复现的必备先决条件
![【NeRF-SLAM环境搭建秘籍】：成功复现的必备先决条件]...本文首先介绍了NeRF-SLAM技术的概述，然后详细阐述了搭建该系统所需的系统环境与软件配置，
【NeRF-SLAM调试与问题排除】：克服复现过程中的挑战
![nerf-slam的复现文档]...本文首先概述了NeRF-SLAM的基本概念及其应用场景，随后深入探讨了其理论基础，包括NeRF模型的原理及其在SLAM中的应用，以及SLAM技术的发展和现代系统
nerf-pytorch:重现结果的NeRF（神经辐射场）的PyTorch实现
03-19
神经荧光素 （神经辐射场）是一种获得最新结果以合成复杂场景的新颖视图的方法。这是此存储库生成的一些视频（下面提供了预训练的模型）： 这个项目是一个忠实PyTorch实施的 ，同时运行速度更快的1.3倍再现的结果。该代码基于作者的Tensorflow实现，并且已经过测试以匹配数字。 安装 git clone https://github.com/yenchenlin/nerf-pytorch.git cd nerf-pytorch pip install -r requirements.txt 依赖关系（单击以展开） 依存关系 PyTorch 1.4 matplotlib 麻木 意象 图像ffmpeg configargparse LLFF数据加载器需要ImageMagick。 如果要在自己的真实数据上运行，则还需要设置（和COLMAP）来计算姿态。 如何运行？ 快速开始 下载两
nerf-pytorch:神经辐射场的PyTorch重新实现
03-19
nerf-pytorch PyTorch重新实现 || * 1 ， * 1 ， * 1 ， 2 ， 3 ， 1 1加州大学伯克利分校， 2 Google研究中心， 3加州大学圣地亚哥分校*表示相等的贡献 PyTorch重新实现。 速度很重要！ 当前的执行速度非常快！ （比快约5-9倍，比快约2-4倍） 加速背后的秘诀是什么？ 多个方面。除了诸如数据缓存，有效的内存管理等明显的增强功能外，我深入了整个NeRF代码库，并减少了黑白数据传输，包括CPU和GPU，可能的情况下进行了矢量化代码，并使用了pytorch ops的高效变体（无法使用）。但是对于这些更改，其他所有内容都是对我们大家都敬佩的NeRF技术的忠实再现：) 回购的样本结果 关于综合数据 真实数据 Google Colab上的Tiny-NeRF NeRF代码版本带有一个随附的Colab笔记本，该笔记本展示了如何在
重现结果的NeRF（神经辐射场）的PyTorch实现。-Python开发
05-25
重现结果的NeRF（神经辐射场）的PyTorch实现。 NeRF-pytorch NeRF（神经辐射场）是一种能够获得用于合成复杂场景的新颖视图的最新结果的方法。 以下是此存储库生成的一些视频（下面提供了预训练的模型）：该项目是NeRF的忠实PyTorch实施，可以重现结果，但运行速度快1.3倍。 该代码基于作者在此处的Tensorflow实现，并且已经过测试以在数值上与之匹配。 安装git clone https：// github
NERF_pytorch:pytorch重新实现NERF
03-08
NERF喷火炬 pytorch重新实现NERF 介绍 这是原始的重新实现。 当前实现中未包含某些功能。 当前，它仅支持“ blender”数据类型。 稍后将添加更多格式和培训选项。 速度大约是原始回购的4-7倍。 安装 安装最新版本的Pytorch（> = 1.6.0），然后 pip install torchsul imageio opencv-python matplotlib 获取数据 bash download_example_data.sh 运行代码 python train.py
NeRF-Simple:NeRF（神经辐射场）的简单PyTorch实现
04-06
神经RF NeRF（神经辐射场）的简单PyTorch实现。 （该项目目前正在开发中） 安装 选项1：使用点子 git clone https://github.com/murumura/NeRF.git cd NeRF-Simple pip install -r environment.txt 选项2：使用提供的Docker环境 我有构建该项目环境所需的dockerfile，非常欢迎熟悉docker基本操作的人员直接通过docker docker/dockerfile和构建/运行脚本（ docker/docker_build.sh和docker/docker_run.sh ）。 git clone https://github.com/murumura/NeRF.git cd NeRF-Simple cd docker sh docker_build.sh 如何运行？ 快速开始 一切设
提升27%！超强机械臂混合注意力机制框架Focal CVAE！
最新发布
计算机视觉工坊
05-29 104
双臂机器人在智能制造中具有巨大的应用前景，因为它们在部署先进智能算法时具有类似人类的结构。然而，在图像特征受到各种条件影响（如异常光照、遮挡和阴影等）的环境中，先前的视觉运动策略存在感知缺陷。为了解决这一挑战，本文提出了基于Focal CVAE框架的RGB-D多模态数据融合。在这项研究中，设计了一个混合的焦点注意模块，用于融合包含颜色特征的RGB图像和包含3D形状和结构信息的深度图像。该模块突出显示突出的局部特征，并通过交叉注意力关注RGB和深度的相关性。
Ubuntu20.04系统Mip-NeRF代码复现（pytorch）
weixin_59961223的博客
05-05 3358
注：本次复现的代码和配置环境的代码不一样，主要是我第一次在github上复现的那篇渲染不出视频，我也不晓得出现了啥子问题，有可能我没有训练完，训练了八个轮次就终止了（我看一篇综述论文上说mip-nerf训练只需要三个小时，我训练了十多个小时，感觉时间太长了），于是我另外找一个mip-nerf pytorch版的代码进行复现。可以看出这个mesh效果还是非常不错的，mip-nerf是继基线nerf后提出比较有意义的一次创新，使用锥跟踪代替标准NERF体绘制的光线跟踪。错误消息中提到了一个不期望的关键字参数。
Windows下：nerf部署
Chen_JingYan的博客
10-17 926
1]【NeRF数据集】基于COLMAP制作自己的LLFF格式数据集 - 知乎[2]nerf训练自己的数据，过程记录十分详细-优快云博客。
4、nerf（pytorch）
小白的博客
07-29 6943
nerf-pytorch
nerf pytorch
09-02
NERF PyTorch是一个用PyTorch重新实现的NERF（神经辐射场）库。你可以在GitHub上找到源码地址：https://github.com/yenchenlin/nerf-pytorch。这个实现相比原始回购速度提高了4-7倍，目前仅支持“blender”数据类型，但未来将添加更多格式和培训选项。 在NERF PyTorch中，有一个名为run_nerf_helpers.py的文件，其中包含一个名为Embedder的类。这个类用于进行位置编码，并采用了一些超参数进行初始化。在create_embedding_fn方法中，它根据设置的参数创建了一个嵌入函数列表，这些函数将用于对输入进行编码。最后，embed方法使用这些嵌入函数对输入进行编码，返回编码后的结果。 总而言之，NERF PyTorch是一个用PyTorch重新实现的NERF库，它提供了更快速的实现，并支持位置编码和嵌入。你可以在GitHub上的源码地址中找到更多详细信息。<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* *3* [4、nerf（pytorch）](https://blog.csdn.net/weixin_50973728/article/details/126048095)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"] - *2* [NERF_pytorch:pytorch重新实现NERF](https://download.csdn.net/download/weixin_42131276/15662042)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"] [ .reference_list ]
评论 2
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