【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...
Hbase java客户端调优——Connections

Hbase java客户端调优——Connections

1、介绍： 大约一年前，有人要求我为一个时间序列产品调优 HBase 的读写性能。该产品在 AWS i2.4XL 中使用 10 个数据节点，并有 15 个计算节点，其中 10 个用于连续写入，5 个用于读取并运行来自这些数据节点的批处理作业…
阅读更多...
面试十 简单工厂、工厂方法、抽象工厂

面试十 简单工厂、工厂方法、抽象工厂

/*简单工厂 Simple Factory：优点：把对象的创建封装在一个接口函数里面，通过传入不同的标识，返回创建的对象，客户不用自己负责new对象缺点 ：提供创建对象实例的接口函数不闭合，不能对修改关闭&am…
阅读更多...
Git一点通

Git一点通

1.Git的优势 Git是一个伟大的版本管理工具，比之svn，具有以下优势： 分布式版本控制：Git是一种分布式版本控制系统，每个开发者都拥有自己的完整代码库，不需要依赖网络连接就可以进行版本控制、合并和提交操作…
阅读更多...
了解测试用例与测试场景

了解测试用例与测试场景

测试用例和测试场景是综合测试中最常见的两种测试工件。正确获得这两个可交付成果对于产品成功至关重要，因为它可以让软件开发团队和测试人员更高效地工作。然而，在 QA 测试中，测试场景和测试用例之间的差异可能会在转换过程中丢失。 测试用例…
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...
66、将同图片下的多个不同类别的xml标注文件合并成一个xml标注文件-labelImg格式

66、将同图片下的多个不同类别的xml标注文件合并成一个xml标注文件-labelImg格式

基本思想：手中有一套抽烟的数据集是labelimg格式，但是没有人物标注的数据集，因此使用自动化标注脚本将图片过滤一边，进行生成labelimg文件，只含有80类别的人物标注xml,然后使用脚本将生成标注的人物xml和手中有的抽烟xml进行合并，生成一份xml文件 代码 # -*- coding: u…
阅读更多...
Linux查看8080端口是否启用

Linux查看8080端口是否启用

在Linux系统中，您可以使用几种不同的命令来检查8080端口是否被启用或正在被某个进程使用。以下是几种常用的方法： 使用lsof命令： sudo lsof -i :8080如果8080端口被某个进程使用，lsof命令将列出相关信息。如果没有输出&#xff0c…
阅读更多...
docker和kubectl客户端安装Linux

docker和kubectl客户端安装Linux

一、docker安装 1.配置yum源（系统组） 2.查看可安装docker的所有版本 yum provides docker3.安装最新版本dockers yum install docker3.1确定版本没问题输入 y 4.验证 docker -v5.开启私有仓库的证书验证，没有创建一个daemon.json sudo vi…
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...
js 替换数组中的部分文字内容

js 替换数组中的部分文字内容

用js 把[ "2024-03-20实时", "2024-03-20日前", "运行日实时", "运行日日前"]中把所有的“运行日”替换成 “2023” 可以使用 JavaScript 的 Array.prototype.map() 方法来遍历数组，并使用 String.prototype.replace() 方…
阅读更多...
【0274】从shared init file或local init file加载relation cache（2 - 1）

【0274】从shared init file或local init file加载relation cache（2 - 1）

上一篇： 【0273】深入分析 relcache（relation descriptor cache）初始化第一阶段（1） 【0264】深入分析relcache（relation descriptor cache）缓存初始化第2阶段（2） 1. 前言 本文内容是作为《【0264】深入分析relcache（relation descriptor cache）缓存初始化第2阶段…
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...
消除 Git diff 中的换行符差异（Linux）

消除 Git diff 中的换行符差异（Linux）

通常编辑器默认使用的换行符是跟随操作系统的，而windows操作系统上修改的代码，其换行符会被转成win的\r\n,在提交代码时会显示大量改动（对于sh脚本还会存在无法执行的问题），这时候我们可以通过设置git自动转成unix格式…
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...
原生小程序开发的父子组件传值，兄弟组件传值

原生小程序开发的父子组件传值，兄弟组件传值

1.父子传值&#xff0c;父组件通过属性的方式去给子组件传递值&#xff0c;子组件在properties属性去接收父组件传递过来的值&#xff1a; 父组件部分&#xff1a; <view class"pcolor"><customer id"child" bind:changSex"changSex"…
阅读更多...
最新文章

Copyright @ 2022~2023