当前位置: 首页 > news >正文

pytorch3d成功安装

一、pytorch3d是什么?
PyTorch3D的目标是帮助加速深度学习和3D交叉点的研究。3D数据比2D图像更复杂,在从事Mesh R-CNN和C3DPO等项目时,我们遇到了一些挑战,包括3D数据表示、批处理和速度。我们开发了许多有用的算子和抽象,用于3D深度学习,并希望与社区分享,以推动这一领域的新研究。
在PyTorch3D中,我们包含了高效的3D操作符、异构批处理功能和模块化可微渲染API,为该领域的研究人员提供了急需的工具包,以实现复杂3D输入的前沿研究。

来自:https://pytorch3d.org/docs/why_pytorch3d

二、安装步骤
1.添加anaconda源(最最最最最关键!!)
以清华源 ubuntu18.04为例,其他平台安装方法可以借鉴:

# 在终端执行以下代码
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
# 以上两条是Anaconda官方库的镜像

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
# 以上是Anaconda第三方库 Conda Forge的镜像

# for linux
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
# for legacy win-64
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/peterjc123/
#以上两条是Pytorch的Anaconda第三方镜像
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch3d/

conda config --set show_channel_urls yes

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
添加完成后可以使用conda info命令查看是否添加成功
!!!添加pytorch源和pytorch3d源是最关键的步骤!!!

2.创建环境
以python3.8为例,这个看实际需求。

conda create -n pytorch3d python=3.8
conda activate pytorch3d
1
2
3.安装pytorch和pytorch3d
截止本文的编写时间,当前最版本pytorch3d为0.6.2,最高支持pytorch1.11.0,所以最好不要安装pytorch 1.12.0 以上版本;以pytorch 1.10.1版本为例,对了我的nvcc -v cuda版本是11.3,安装pytorch需要适配:


# 首先安装pytorch
conda install pytorch==1.10.1 torchvision==0.11.2 torchaudio==0.10.1 cudatoolkit=11.3
# 使用官方网站提供的命令安装,参考:https://pytorch.org/get-started/previous-versions/
# 但是尤其注意以因为已经更换过conda源了,所以不需要添加-c pytorch -c conda-forge,否则默认从官方源添加
# 这一步需要等待一段时间,但清华源速度总比官方源强多了

# 其次安装必要库
conda install -c fvcore -c iopath -c conda-forge fvcore iopath

# 安装pytorch3d,只需要一条命令
conda install pytorch3d
1
2
3
4
5
6
7
8
9
10
11
12
那么就是激动人心的时刻了:


总结
完结撒花,希望后续在使用pytorch3d的过程中能够出一些好的教程,期待自己可以~
————————————————
版权声明:本文为CSDN博主「LuH1124」的原创文章,遵循CC 4.0 BY-SA版权协议,转载请附上原文出处链接及本声明。
原文链接:https://blog.csdn.net/weixin_43357695/article/details/126063091

这上面是linux的吧

我先下载github上的

然后解压

发布版本 0.7.4 ·FacebookResearch/PyTorch3D ·GitHub

Releases · facebookresearch/pytorch3d (github.com)

8月4日尝试

conda install pytorch3d -c pytorch3d

conda install -c pytorch3d pytorch3d

https://data.pyg.org/whl/

这是torch的文件吧

pytorch3d

8.7日尝试成功

安装前置

conda install -c fvcore -c iopath -c conda-forge fvcore iopath
conda install jupyter
pip install scikit-image matplotlib imageio plotly opencv-python
pip install black usort flake8 flake8-bugbear flake8-comprehensions

Welcome to PyTorch3D’s documentation! — PyTorch3D documentation

官方文档

Release CUB 1.15.0 · NVIDIA/cub · GitHub

下载cub

Windows下Pytorch3d的安装方法_木清风居士的博客-CSDN博客

参考链接

打开

x64 Native Tools Command Prompt for VS 2019

然后cd到pytorch3d目录

激活conda activate pytorch3d

10.24 cv方向3DMM必备环境——Windows10/11下pytorch3d[完美安装版]_啥都会一点的老程,自在地镜强者的博客-CSDN博客

参考这篇

安装约需要五分钟,等吧,中间提示pillow没有安装

然后先安装conda install zlib

然后安装pillow,安装成功了。

总结:

1.安装cuda11.6然后安装torch版本为3.9的1.12的。然后安装cub,1.15.0版本的,在环境变量加上

 安装好后,参考版本

 下载pytorch3d的版本,我安装的0.7.4

安装VS 2019后,打开如下图所示的"x64 Native Tools Command Prompt for VS 2019"终端,然后cd到pytorch3d解压后的目录路径里:

激活对应的环境conda activate pytorch3d

 打开cd到pytorch3d的位置,输入这两句

set DISTUTILS_USE_SDK=1
set PYTORCH3D_NO_NINJA=1

然后python setup.py install

然后报错 

修改 pytorch3d里setup.py文件的源码:将extra_compile_args = {“cxx”: [“-std=c++14”]} 修改为: extra_compile_args = {“cxx”: []};

安装报错,修改setup.py里的文件

 安装报错修改cuda的文件。打开你的cuda目录下:\include\thrust\system\cuda\config的代码,在74行加入提示的语句,如下修改:

修改增加第74行

 

Releases · facebookresearch/pytorch3d · GitHub

成功了,记录于此2023.08.07

有个报错,提示找不到文件,猜测是cuda没有安装对

http://www.lryc.cn/news/130774.html

相关文章:

  • 【vue3】同个页面引入多个图表组件实现自适应的方法
  • 一文了解汽车芯片的分类及用途介绍
  • Linux0.11内核源码解析-truncate.c
  • LED驱动型IC芯片的原理介绍
  • VLAN实验
  • Qt应用开发(基础篇)——高级纯文本窗口 QPlainTextEdit
  • 三维可视化平台有哪些?Sovit3D可视化平台怎么样?
  • Xxl-job安装部署以及SpringBoot集成Xxl-job使用
  • 【【超声波避障小车代码】】
  • TDI(Time Delay Integration)
  • RHCE——一、安装部署及例行性工作
  • 服务器数据库中了360后缀勒索病毒怎么办?360后缀勒索病毒的加密形式
  • 期权就是股指期货吗,哪个好做一点?
  • week32
  • 【数据库】P1 数据库基本常识
  • c语言——计算两个数的乘积
  • 单机模型并行最佳实践
  • 编程练习(3)
  • PyTorch学习笔记(十三)——现有网络模型的使用及修改
  • Python爬虫的scrapy的学习(学习于b站尚硅谷)
  • “深入解析JVM:揭秘Java虚拟机的工作原理“
  • 【数据结构与算法】十大经典排序算法-归并排序
  • 基于深度学习创建-表情符号--附源码
  • .netcore grpc的proto文件字段详解
  • 带你了解建堆的时间复杂度
  • 人工智能原理(6)
  • 单片机模块化编程文件创建流程
  • docker image
  • 力扣75——单调栈
  • Webpack和Parcel详解