torchsparse安装

我是好人BING

已于 2023-12-27 11:46:32 修改

阅读量1w

点赞数 11

分类专栏：深度学习 python 文章标签： ubuntu python 计算机视觉深度学习

于 2022-05-26 20:30:58 首次发布

本文链接：https://blog.csdn.net/AI_BING_/article/details/124991818

版权

深度学习同时被 2 个专栏收录

7 篇文章

订阅专栏

python

6 篇文章

订阅专栏

Ubuntu系统

方法一：执行命令：

sudo apt-get install libsparsehash-dev

pip install --upgrade git+https://github.com/mit-han-lab/torchsparse.git@v1.4.0

方法二：离线安装；首先进入该网站下载自己所需版本，mit-han-lab/torchsparse: A high-performance neural network library for point cloud processing. (github.com)

将下载好的torchsparse.tar.gz上传至项目目录中

解压：tar zxvf torchsparse版本号.tar.gz

然后安装，执行命令：pip install ./torchsparse版本号

安装失败时所遇到的坑，帮大家排雷

1.确保 PyTorch 和 NVCC 使用相同版本的 CUDA：

nvcc --version
python -c "import torch; print(torch.version.cuda);"

需要确保为同一版本CUDA。

2.如果您尝试交叉编译库（即在构建时为与系统中的 GPU 不同的 GPU 进行编译，例如在 docker 构建中），请使用 TORCH_CUDA_ARCH_LIST 环境变量。您可以使用Matching CUDA arch and CUDA gencode for various NVIDIA architectures - Arnon Shimoni来查找您的architecture/gencode。例如，如果你想为图灵架构 GPU 进行编译，你会这样做：

TORCH_CUDA_ARCH_LIST="7.0;7.5" pip install --upgrade git+https://github.com/mit-han-lab/torchsparse版本号.git

3.如果您在编译日志中看到 Killed，则可能是由于并行编译导致内存不足导致编译失败。您可以通过在安装前设置 MAX_JOBS 环境变量来限制编译器将使用的 CPU 数量：

MAX_JOBS=2 pip install --upgrade git+https://github.com/mit-han-lab/torchsparse版本号.git