【G3D笔记】AI生成式3D算法相关环境安装爬坑笔记

【G3D笔记】AI生成式3D算法相关环境安装爬坑笔记）

  • 1、 RayMarching
    • 1.1 error C1189: #error: You need C++17 to compile PyTorch
    • 1.2 raymarching安装环境版本测试
    • 1.3 host_config.h(231): fatal error C1083: 无法打开包括文件: “crtdefs.h”
  • 2、Tiny-Cuda-nn
    • 2.1 HTTP/2 stream 1 was not closed cleanly before end of the underlying stream
  • 3、Pytorch3D
    • 3.1 The detected CUDA version (12.1) mismatches the version that was used to compile PyTorch (11.8)
      • 3.1.1 win10 系统环境下解决方案
      • 3.1.2 Ubuntu 系统环境下解决方案
    • 3.2 安装Pytorch3D
      • 3.2.1 选择Python版本
      • 3.2.2 安装Pytorch库
      • 3.2.3 安装Pytorch库
      • 3.2.4 安装CUB库
      • 3.2.5 安装Pytorch3D
        • 3.2.5.1 Conda 安装 Pytorch3D
          • 3.2.5.1.1 Ubuntu 系统环境 (推荐此法安装)
          • 3.2.5.1.1 Win10 系统环境 (未找到安装包)
        • 3.2.5.2 PIP 安装 Pytorch3D
          • 3.2.5.2.1 Ubuntu 系统环境 (安装成功)
          • 3.2.5.2.2 Win10 系统环境 (安装成功)
    • 3.3 Pytorch相关
      • 3.3.1 无法定位程序输入点 ??0AutoGradMode@c10@@QEAA@_N@X于动态链接库
        • 3.3.1.1 问题分析
        • 3.3.1.2 解决方案
      • 3.3.2 DLL load failed while importing _C: 找不到指定的程序
        • 3.3.2.1 问题未解决
        • 3.3.2.2 再次尝试
        • 3.3.2.2 改变策略 (成功解决)
          • 3.3.2.2.1 方案1：强制carvekit使用2.0.1 （成功）
          • 3.3.2.2.1 方案2：升级carvekit使用2.0.1 （成功）
  • 4、其他
    • 4.1 PyMeshlab
      • 4.1.1 AttributeError: module 'pymeshlab' has no attribute 'Percentage'
      • 4.1.2 pymeshlab版本问题 有可能关联的错误
    • 4.2 RuntimeError: Ninja is required to load C++ extensions
      • 4.2.1 FileNotFoundError: [WinError 2] 系统找不到指定的文件
        • 4.2.1.1 问题分析
        • 4.2.1.2 解决方案
  • 5、OpenGL (Ubuntu环境)
    • 5.1 RuntimeError: OpenGL 4.4 or later is required
      • 5.1.1 问题分析
      • 5.1.2 解决方案
    • 5.2 libEGL warning: MESA-LOADER: failed to open swrast
      • 5.2.1 问题分析
      • 5.2.2 解决方案
    • 5.3 libEGL warning: egl: failed to create dri2 screen(WSL2环境)
      • 5.3.1 问题分析
      • 5.3.2 解决方案 (暂未成功只做记录)

更新中…

本章是关于生成式AI3D相关算法环境搭建过程中的错误记录，涉及技术有：
raymarching：

Ray Marching 射线步进，一种用于实时场景的快速渲染方法，可以将SDF模型显示出来。

tiny-cuda-nn：

Tiny CUDA Neural Networks， 快如闪电的 C++/CUDA 神经网络框架，小型的、独立的框架，用于训练和查询神经网络。

PyTorch3D：

使用 3D 数据进行深度学习的库。

1、 RayMarching

1.1 error C1189: #error: You need C++17 to compile PyTorch

系统环境：win10

构建raymarching
python setup.py build_ext --inplace

raymarching.cu
C:/Users/USERT/miniconda3/envs/nerf2mesh/lib/site-packages/torch/include\c10/util/C++17.h(27): fatal error C1189: #error:  You need C++17 to compile PyTorch
nvcc warning : incompatible redefinition for option 'std', the last value of this option was used
raymarching.cu
ninja: build stopped: subcommand failed....run_ninja_build(File "C:\Users\USERT\miniconda3\envs\nerf2mesh\lib\site-packages\torch\utils\cpp_extension.py", line 2112, in _run_ninja_buildraise RuntimeError(message) from e
RuntimeError: Error compiling objects for extension

问题分析:
pytorch版本过高

解决方案：
conda install pytorch==2.0.1 torchvision==0.15.2 torchaudio==2.0.2 pytorch-cuda=11.8 -c pytorch -c nvidia

1.2 raymarching安装环境版本测试

系统环境：win10

Win 10 ver.21H
Python 3.9

通过测试
conda install pytorch==1.13.1 torchvision==0.14.1 torchaudio==0.13.1 pytorch-cuda=11.7 -c pytorch -c nvidia
conda install pytorch==2.0.1 torchvision==0.15.2 torchaudio==2.0.2 pytorch-cuda=11.8 -c pytorch -c nvidia
conda install pytorch==2.1.0 torchvision==0.16.0 torchaudio==2.1.0 pytorch-cuda=11.8 -c pytorch -c nvidia

未通过测试
conda install pytorch==2.1.0 torchvision==0.16.0 torchaudio==2.1.0 pytorch-cuda=12.1 -c pytorch -c nvidia

1.3 host_config.h(231): fatal error C1083: 无法打开包括文件: “crtdefs.h”

系统环境：win10

问题分析
Windows 10 SDK 未安装或版本不正确

解决方案
Visul Studio Community 2022 -> 工具 -> 获取工具和功能 -> 使用 C++ 的桌面开发 -> 可选 -> Windows 10 SDK (10.0.20348.0)
Windows 10 SDK (10.0.20348.0) == Windows 10 专业版 21H2
在这里插入图片描述

SDK对应WIN版本查询
https://developer.microsoft.com/zh-cn/windows/downloads/sdk-archive/

2、Tiny-Cuda-nn

Tiny CUDA Neural Networks

2.1 HTTP/2 stream 1 was not closed cleanly before end of the underlying stream

系统环境：win10

pip install git+https://github.com/NVlabs/tiny-cuda-nn/#subdirectory=bindings/torch
Looking in indexes: https://pypi.tuna.tsinghua.edu.cn/simple/
Collecting git+https://github.com/NVlabs/tiny-cuda-nn/#subdirectory=bindings/torchCloning https://github.com/NVlabs/tiny-cuda-nn/ to c:\users\usert\appdata\local\temp\pip-req-build-fydeqrnxRunning command git clone --filter=blob:none --quiet https://github.com/NVlabs/tiny-cuda-nn/ 'C:\Users\USERT\AppData\Local\Temp\pip-req-build-fydeqrnx'fatal: unable to access 'https://github.com/NVlabs/tiny-cuda-nn/': HTTP/2 stream 1 was not closed cleanly before end of the underlying streamerror: subprocess-exited-with-error

问题分析
网络不通

解决方案
需要梯子或接国内镜像

>pip install git+https://github.com/NVlabs/tiny-cuda-nn/#subdirectory=bindings/torch
Looking in indexes: https://pypi.tuna.tsinghua.edu.cn/simple/
Collecting git+https://github.com/NVlabs/tiny-cuda-nn/#subdirectory=bindings/torchCloning https://github.com/NVlabs/tiny-cuda-nn/ to c:\users\usert\appdata\local\temp\pip-req-build-ft7mgi0vRunning command git clone --filter=blob:none --quiet https://github.com/NVlabs/tiny-cuda-nn/ 'C:\Users\USERT\AppData\Local\Temp\pip-req-build-ft7mgi0v'Resolved https://github.com/NVlabs/tiny-cuda-nn/ to commit 2ec562e853e6f482b5d09168705205f46358fb39Running command git submodule update --init --recursive -qPreparing metadata (setup.py) ... done
Building wheels for collected packages: tinycudannBuilding wheel for tinycudann (setup.py) ... doneCreated wheel for tinycudann: filename=tinycudann-1.7-cp39-cp39-win_amd64.whl size=24754607 sha256=6d0047ec77071aff9b86908b512e7e613c85587ffe3b46d2d71880985ba69249Stored in directory: C:\Users\USERT\AppData\Local\Temp\pip-ephem-wheel-cache-ewyhba87\wheels\a9\17\8d\33c2914dcfb0b2fb1476d5d89ba4d3c896e5125178bdaeff3b
Successfully built tinycudann
Installing collected packages: tinycudann
Successfully installed tinycudann-1.7

3、Pytorch3D

3.1 The detected CUDA version (12.1) mismatches the version that was used to compile PyTorch (11.8)

3.1.1 win10 系统环境下解决方案

raise RuntimeError(CUDA_MISMATCH_MESSAGE.format(cuda_str_version, torch.version.cuda))RuntimeError:The detected CUDA version (12.1) mismatches the version that was used to compilePyTorch (11.8). Please make sure to use the same CUDA versions.

问题分析
当前环境的CUDA版本过高

>nvcc -V
nvcc: NVIDIA (R) Cuda compiler driver
Copyright (c) 2005-2023 NVIDIA Corporation
Built on Wed_Feb__8_05:53:42_Coordinated_Universal_Time_2023
Cuda compilation tools, release 12.1, V12.1.66
Build cuda_12.1.r12.1/compiler.32415258_0

>conda list
pytorch                   2.1.0           py3.9_cuda11.8_cudnn8_0    pytorch

解决方案
我的电脑->属性->高级系统设置->环境变量
修改CUDA_PATH=C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8
在这里插入图片描述
修改path中的C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8\bin和libnvvp两项上移置顶
在这里插入图片描述

重启命令行窗口

nvcc -V
nvcc: NVIDIA (R) Cuda compiler driver
Copyright (c) 2005-2022 NVIDIA Corporation
Built on Wed_Sep_21_10:41:10_Pacific_Daylight_Time_2022
Cuda compilation tools, release 11.8, V11.8.89
Build cuda_11.8.r11.8/compiler.31833905_0

3.1.2 Ubuntu 系统环境下解决方案

查看nvcc版本

$ nvcc -V
nvcc: NVIDIA (R) Cuda compiler driver
Copyright (c) 2005-2023 NVIDIA Corporation
Built on Tue_Feb__7_19:32:13_PST_2023
Cuda compilation tools, release 12.1, V12.1.66
Build cuda_12.1.r12.1/compiler.32415258_0

查看系统中有哪些nvcc版本
已经安装cuda版本有我们需要的11.8

$ ll /usr/local | grep cuda
lrwxrwxrwx  1 root root   20 Mar 18 01:52 cuda -> /usr/local/cuda-12.1/
lrwxrwxrwx  1 root root   25 Apr 10  2023 cuda-11 -> /etc/alternatives/cuda-11/
drwxr-xr-x 14 root root 4096 Mar 18 01:37 cuda-11.6/
drwxr-xr-x 14 roo

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.mzph.cn/news/759756.shtml

如若内容造成侵权/违法违规/事实不符，请联系多彩编程网进行投诉反馈email:809451989@qq.com，一经查实，立即删除！

相关文章

mysql体系结构及主要文件

mysql体系结构及主要文件

目录 1.mysql体系结构 2.数据库与数据库实例 3.物理存储结构​编辑 4.mysql主要文件 4.1数据库配置文件 4.2错误日志 4.3表结构定义文件 4.4慢查询日志 4.4.1慢查询相关参数 4.4.2慢查询参数默认值 4.4.3my.cnf中设置慢查询参数 4.4.4slow_query_log参数 4.4.…
阅读更多...
opengl日记10-opengl使用多个纹理示例

opengl日记10-opengl使用多个纹理示例

文章目录 环境代码CMakeLists.txt文件内容不变。fragmentShaderSource.fsvertexShaderSource.vsmain.cpp 总结 环境 系统：ubuntu20.04opengl版本：4.6glfw版本：3.3glad版本：4.6cmake版本：3.16.3gcc版本：10.…
阅读更多...
设计模式之工厂方法模式解析

设计模式之工厂方法模式解析

工厂方法模式 1）问题 简单工厂模式 当需要引入新产品时，由于静态工厂方法通过所传入参数的不同来创建不同的产品，需要修改工厂类的源代码。 2）概述 针对不同的产品提供不同的工厂，系统提供一个与产品等级结构对应…
阅读更多...
我的保研材料全部损坏了！这个压缩包文件格式未知或数据已经被损坏不可预料的压缩文件末端

我的保研材料全部损坏了！这个压缩包文件格式未知或数据已经被损坏不可预料的压缩文件末端

求助各位友友，我的保研材料全部没了！ 之前为了清理D盘，把之前保研期间准备的几个G的材料全部压缩放在了U盘，但是现在却损坏打不开了，之前为了省事也没有添加过“恢复记录”！！！ 先声…
阅读更多...
阿赵UE学习笔记——20、角色蓝图和动画蓝图

阿赵UE学习笔记——20、角色蓝图和动画蓝图

阿赵UE学习笔记目录 大家好，我是阿赵。   继续学习虚幻引擎的使用。这次来看看角色控制动画相关的东西，主要用到了动画蓝图和角色蓝图。 一、动画蓝图 之前分析过，蓝图对于虚幻引擎来说，是存在于各个系统里面的，相当…
阅读更多...
智慧公厕：卫生、便捷、安全的新时代厕所变革

智慧公厕：卫生、便捷、安全的新时代厕所变革

在城市快速发展的背景下，公共厕所的建设和管理变得越来越重要。智慧公厕作为厕所变革的一项全新举措，通过建立公共厕所全面感知监测系统，以物联网、互联网、大数据、云计算、自动化控制技术为支撑，实现对公共厕所的智能化管理和运…
阅读更多...
FPGA学习_时序约束以及VIVADO时序报告

FPGA学习_时序约束以及VIVADO时序报告

文章目录 前言时序约束的目的一、时序约束种类1、约束主时钟2、约束衍生时钟3、约束虚拟时钟4、input delay5、output delay6、约束异步时钟组7、约束互斥时钟8、假路径约束9、多周期约束 二、VIVADO时序报告三、从时序的角度看为什么寄存器赋值慢一拍 前言 一边学习一边补充当…
阅读更多...
容器中的大模型（三）| 利用大语言模型：容器化高效地部署 PDF 解析器实践...

容器中的大模型（三）| 利用大语言模型：容器化高效地部署 PDF 解析器实践...

作者：宋文欣，智领云科技联合创始人兼CTO 01 简介 大语言模型（LLMs）正逐渐成为人工智能领域的一颗璀璨明星，它们的强大之处在于能够理解和生成自然语言，为各种应用提供了无限可能。为了让这些模型更好地服务…
阅读更多...
【Hadoop】Hadoop 编译源码

【Hadoop】Hadoop 编译源码

目录 为什么要源码编译Hadoop 编译源码1前期工作准备2jar 包安装2.1安装 Maven2.2安装 ant2.3安装 glibc-headers 和 g2.4安装 make 和 cmake2.5安装 protobuf2.6安装 openssl 库2.7安装 ncurses-devel 库 3编译源码3.1解压源码到 /opt/ 目录3.2 进入到 hadoop 源码主目录 /opt…
阅读更多...
AI时代Python金融大数据分析实战：ChatGPT让金融大数据分析插上翅膀

AI时代Python金融大数据分析实战：ChatGPT让金融大数据分析插上翅膀

❤️作者主页：小虚竹 ❤️作者简介：大家好,我是小虚竹。2022年度博客之星评选TOP 10🏆，Java领域优质创作者🏆，CSDN博客专家🏆，华为云享专家🏆，掘金年度人气作…
阅读更多...
UniTask 异步任务

UniTask 异步任务

文章目录 前言一、UniTask是什么？二、使用步骤三、常用的UniTask API和示例1.编写异步方法2.处理异常3.延迟执行4.等待多个UniTask或者一个UniTas完成5.异步加载资源示例6.手动控制UniTask的完成状态7.UniTask.Lazy延迟任务的创建8.后台线程切换Unity主线程9.不要返…
阅读更多...
第二证券|热度飙升，出境游人数有望破亿，这些概念股被机构盯上

第二证券|热度飙升，出境游人数有望破亿，这些概念股被机构盯上

在免签和航班批量康复的方针利好下，本年出境游商场迎来炽热升温。 清明出境游有望爆火 3月20日，Airbnb爱彼迎在北京举行春季出境游趋势发布会举行。 爱彼迎中国数据显示，本年清明节期间的出境游查找热度已经超出2023年同期的2.5倍&#xf…
阅读更多...
计算机网络面经-什么是IPv4和IPv6？

计算机网络面经-什么是IPv4和IPv6？

前言 Internet协议（IP）是为连接到Internet网络的每个设备分配的数字地址。它类似于电话号码，是一种独特的数字组合，允许用户与他人通信。IP地址主要有两个主要功能。首先，有了IP，用户能够在Internet上被识别…
阅读更多...
Redis 安装（二）

Redis 安装（二）

Redis安装说明 大多数企业都是基于Linux服务器部署项目，而且Redis官网也没有提供Windows版本的安装包，因此课程中我们会基于Linux系统来安装Redis。 此处选择Linux版本为Centos7。 Redis的官方网站地址：https://redis.io/ Redis的安装 切换…
阅读更多...
TCP协议中的传输控制机制图文详解「重传机制」「流量控制」「拥塞控制」

TCP协议中的传输控制机制图文详解「重传机制」「流量控制」「拥塞控制」

目录 TCP重传机制 超时重传 快速重传 SACK 方法 Duplicate SACK TCP 流量控制 滑动窗口 累积确认 窗口大小由哪一方决定？ 接收窗口和发送窗口的大小是相等的吗？ 流量控制 窗口关闭的后果 糊涂窗口综合症 TCP拥塞处理 为什么要有拥塞控制呀，不…
阅读更多...
如何在WSL中的ubuntu编译Linux内核并且安装使用ebpf?

如何在WSL中的ubuntu编译Linux内核并且安装使用ebpf?

如何在WSL中的ubuntu编译Linux内核并且安装使用ebpf? 步骤1 编译安装内核获取源码修改配置编译编译成功后配置重启WSL测试 步骤2 安装bcc安装依赖下载bcc，编译测试 环境: wsl2windows 11 步骤1 编译安装内核 去https://kernel.org/找你想要的版本， …
阅读更多...
119.设计链表（力扣）

119.设计链表（力扣）

代码解决 class MyLinkedList { public:// 定义链表节点结构体struct LinkedNode {int val;LinkedNode* next;LinkedNode(int val):val(val), next(nullptr){}};MyLinkedList() {dummyhead new LinkedNode(0);size0;}int get(int index) {if (index > (size - 1) || index…
阅读更多...
从点云创建 DSM：网格化和可视化实用指南

从点云创建 DSM：网格化和可视化实用指南

今天我将向您展示如何从点云创建数字表面模型（DSM）。首先，我们将尝试了解 DSM 是什么，然后我们将进入讨论的更实际部分。 什么是 DSM？ DSM 是一个描述表面及其表面所有内容的模型。现在，为了更清楚地了解…
阅读更多...
学习JavaEE的日子 Day28 异常，多线程

学习JavaEE的日子 Day28 异常，多线程

Day28 1.异常机制 1.1 异常概念 异常是程序在运行期发生的不正常的事件，它会打断指令的正常执行流程。 设计良好的程序应该在异常发生时提供处理这些不正常事件的方法，使程序不会因为异常的发生而阻断或产生不可预见的结果。 ​ Java语言使用异常处理机…
阅读更多...
LabVIEW柴油机安保监控系统

LabVIEW柴油机安保监控系统

LabVIEW柴油机安保监控系统 随着航运业的快速发展，确保船舶柴油机的安全稳定运行变得尤为重要。船舶柴油机故障不仅会导致重大的经济损失，还可能危及人员安全和环境。设计并开发了一套基于LabVIEW平台的柴油机安保监控系统，旨在通过实时监控…
阅读更多...
推荐文章
最新文章

Copyright @ 2022~2023