环境安装

环境准备

  1. 环境依赖

  • python==3.9.16

  • PyTorch==1.13.1+cu116

  • CUDA==11.6

  1. 系统环境变量配置

export PYTHONPATH=$PWD:$PYTHONPATH

环境安装

拉取仓库

git clone git@github.com:InternLandMark/LandMarkSystem.git --recursive

提供基于conda的构建方式：

创建环境

conda create --name LandmarkSystem -y python=3.9.16
conda activate LandmarkSystem

安装PyTorch和CUDA

pip install torch==1.13.1+cu116 torchvision==0.14.1+cu116 torchaudio==0.13.1+cu116 -f https://download.pytorch.org/whl/cu116/torch_stable.html

安装环境依赖包：

pip install -r requirements.txt

安装submodules （提示：如果您使用的是slurm集群，则须使用srun命令将下列安装指令分配到CUDA环境上执行。）

pip install landmark/ops/simple-knn/
pip install landmark/ops/opt_gaussian_rasterization/
pip install landmark/ops/fused_anchor_decoder/

可选项：

  • 在instant-NGP和NeRFacto算法中，需要用到tiny-cuda-nn，可运行以下命令安装：

pip install git+https://github.com/NVlabs/tiny-cuda-nn/#subdirectory=bindings/torch
pip install git+https://github.com/nerfstudio-project/nerfacc.git

  • 编译自定义Kernel

如果您想使用融合Kernel带来的推理优化，那么首先要编译和安装它们。我们的Kernel依赖cutlass，因此需要按下方说明先将cutlass作为子模块克隆下来。

注意：带有channel_last优化的gridnerf应该先编译内核。

git submodule update --init --recursive

然后，按照下方说明安装我们的自定义Kernel

pip install ninja --user
cd landmark/ops/
sh clean_module.sh
python setup.py install --user

(如果您没有指定CUTLASS_DIR，将使用子模块cutlass的默认路径。)