Linux 下 3D Gaussian Splatting 环境配置（2）——多个CUDA

前言

本文适用于，服务器已有非11.6版本的CUDA Toolkit（可通过nvcc -V命令查看版本），而且不能简单的把原来CUDA删掉，而是要多个CUDA Toolkit并存的情况。

一、安装CUDA Toolkit 11.6

1. 查看显卡版本

nvidia-smi

这一项代表了显卡能够装的最新的CUDA版本是多少。如果低于11.6。那可以先换个卡再来看本文了。

2. CUDA Toolkit 11.6

来到CUDA Toolkit11.6网站CUDA Toolkit 11.6 Downloads | NVIDIA Developer?选择自己系统对应的版本，即红框中的2项。

选完后，建一个合适的文件夹用于安装CUDA Toolkit，cd到该文件夹里输入网站中给出的两条命令：

输完第二个命令进入安装：

1. accept+回车

2. 在Driver处回车一下，取消安装驱动

3. CUDA Toolkit xxx处按A进去

4. Change Toolkit Install Path 一项回车或者是A进去，更改你需要安装到的自己的路径

5. 全部取消

Done出来，再install

如果中途有说安装symbolic link（软连接）到/usr/local/cuda，就选n，因为/usr/local/cuda里放的是原来CUDA Toolkit的东西，最好别动。

然后，调一下环境变量，路径是上面自定义的CUDA Toolkit的安装路径，下面只是一个例子：

export CUDA_HOME=/home/xxx/cuda-10.1/
export PATH=$PATH:/home/xxx/cuda-10.1/bin/

你得去看看路径里有没有/bin这个文件夹，和/bin/里有没有nvcc这个文件夹，有才算安装成功。而且，每次进终端，你都得输一遍上面的环境变量才能用属于自己的CUDA Toolkit。当然也有其他方法，可以查看最后的参考文章。

二、安装pytorch+torchvision+torchaudio+cudatoolkit

1. 建环境

conda create --name gss python=3.7.13
conda activate gss

2. 安装pytorch

pip install pytorch==1.12.1

我们需要了解pytorch如何识别CUDA。开始上课，首先，CUDA默认路径：/usr/local/cuda。这个路径里存放了旧CUDA Toolkit的软连接。pytorch在安装的时候可能会先去获取这个软连接记录CUDA版本。因此，进入python里，敲以下命令，结果很可能是旧的CUDA版本，让人心灰意冷：

import torch
torch.version.cuda

但是，我们在装pytorch之前设置了环境变量export CUDA_HOME=/home/xxx/cuda-10.1/。我们还需要确定pytorch实际使用的运行时的CUDA目录：

import torch
import torch.utils
import torch.utils.cpp_extension
torch.utils.cpp_extension.CUDA_HOME

按道理来说，打印的目录就是我们设置的环境变量。也就是说pytorch实际运行的CUDA就是我们安装的，它只是在安装的时候把/usr/local/cuda里的CUDA版本记录下来，口是心非。

两个版本如果不同的话，会导致后面出错。怎么改，很简单，打开anaconda3/env/gss/lib/site-package/python3.7/torch/version.py（自己找找anaconda3的路径，一般在home下面）。找到这个version.py文件，它只有短短几行，在第一行里把__version__一项修改为11.6即可。这样，再运行torch.version.cuda，就是11.6了。

3. 安装torchvision

pip install torchvision==0.13.1+cu116

如果没有的话，就只能去https://download.pytorch.org/whl/torchvision/找到torchvision-0.13.1+cpu-cp37-cp37m-linux_x86_64.whl下载到本地，进行本地的pip安装。（截止发文时间，国内清华源的这个文件有损坏，无法安装）

4. 安装其他

torchaudio 0.12.1

pip install torchaudio==0.12.1

cudatoolkit 11.6

conda install deepmodeling::cudatoolkit

注意，CUDA Toolkit和是不一样的东西。相应版本的cudatoolkit的下载网站为Cudatoolkit :: Anaconda.org。

其他

pip install tqdm
pip install plyfile==0.8.1

5. 安装两个CUDA编程包

cd到3D Gaussian Splatting的项目文件夹里

pip install submodules/diff-gaussian-rasterization
pip install submodules/simple-knn

其实最难就是这里，如果上面的步骤没有问题，这里应该不会出现因为CUDA而安装失败的问题。但是仍然可能会出现与glm相关的问题，需要安装相应的东西。情况之多，无法一一细说，不过都是可以简单搜索出答案。

这两个包安装完了，基本没问题了。

参考文献

想要更加了解Pytorch与CUDA强烈推荐https://www.cnblogs.com/yhjoker/p/10972795.html