ER-NeRF本地运行只要梳理好依赖版本，运行起来就很顺畅

1. conda create -n ernerf python=3.10
   创建本项目虚拟环境
   

2. conda install pytorch==1.12.1 torchvision==0.13.1 cudatoolkit=11.3 -c pytorch
   若windows有多个版本的cuda，需要在环境变量中切换至cuda 11.3，主要是系统变量中的CUDA_PATH，NVCUDASAMPLES_ROOT，PATH进行编辑为自己需要的cuda版本
   

3. pip install -r requirements.txt
   会遇到部分依赖包版本冲突，根据实际情况处理即可

4. pip install "git+https://github.com/facebookresearch/pytorch3d.git"
   安装pytorch3d之前需先安装好pytorch3d的编译环境，如下：
   

   conda install pytorch=1.13.0 torchvision pytorch-cuda=11.6 -c pytorch -c nvidia
   conda install -c fvcore -c iopath -c conda-forge fvcore iopath

   因本环境采用的cuda版本是11.3，所以需手动安装 nvidiacub,并设置系统环境变量 CUB_HOME，指向位置为CMakeLists.txt所在路径，安装方式如下：
   查看cuda 11.3对应的cub版本为1.11.0
   下载cub1.11.0，下载后解压，注意解压路径不能有中文，然后添加至CUB_HOME，如下：以下cub的依赖也需要安装好安装完以上环境后再下载pytorch3d本地编译，我用的pytorch3d 0.7.1 版本，不需要修改任何源码。在ernerf虚拟环境中先配置visual studio环境变量

   # 激活虚拟环境 ernerf
   conda activate ernerf
   # 进入pytorch3d文件夹的目录里面，先配置visual studio环境变量
   set DISTUTILS_USE_SDK=1
   set MSSdk=1
   # 再进行编译
   python setup.py install
   # 编译好了可以用conda检查环境里面有没有这个包
   conda list pytorch3d

5. pip install tensorflow-gpu==2.8.0
   安装 tensorflow-gpu==2.8.0时只遇到了一下异常
   

   TypeError: Descriptors cannot be created directly.
   If this call came from a _pb2.py file, your generated code is out of date and must be regenerated with protoc >= 3.19.0.
   If you cannot immediately regenerate your protos, some other possible workarounds are:1. Downgrade the protobuf package to 3.20.x or lower.2. Set PROTOCOL_BUFFERS_PYTHON_IMPLEMENTATION=python (but this will use pure-Python parsing and will be much slower).
   

   通过降低protobuf版本即可，如下：
   

   pip install protobuf==3.19.0

   这个过程中主要是pytorch3d安装比较麻烦，一定要注意各库的版本冲突问题