服务器的选择&&在服务器上跑通3D Gaussian(新手向)

Yunni_root

已于 2024-05-23 12:58:07 修改

阅读量2.9k

点赞数 64

分类专栏： 3D Gaussian && Unity 文章标签：服务器运维

于 2024-03-15 10:50:00 首次发布

本文链接：https://blog.csdn.net/qq_73704605/article/details/136728306

版权

3D Gaussian && Unity 专栏收录该内容

3 篇文章

订阅专栏

注意

zu安装前准备：

Xftp软件：实现本地与远程服务器的文件传输

Xshell软件：实现本地远程连接服务器

参考文献：

AutoDL+Xftp+Xshell+VSCode配合使用教程-CSDN博客文章浏览阅读4.5k次，点赞9次，收藏70次。AutoDL是一款经过众多算法业内大牛精心调教的云GPU深度学习环境出租平台，一款高效的云GPU深度学习出租平台成为每一个深度学习的从业者的最大痛点。Xftp是一个灵活和轻量级SFTP / FTP客户端用户需要安全地通过网络传输文件。它提供了强大的功能,如直接编辑多个窗格,文件夹同步,他们支持,服务器到服务器转移和第三方编辑器集成。Xshell是一个功能强大的终端模拟器,支持SSH,SFTP、TELNET、远程登录命令连接。https://blog.csdn.net/qq_44111805/article/details/128416561

AutoDL连接Xftp和Xshell

前言：

由于学校实验室的服务器出现了一点问题，所以不得不在网上找服务器进行连接，经过试用阿里云、腾讯云、智星云（智星云真的是很惨痛的教训）和AutoDL,又通过大佬的指点，最后敲定了使用AutoDL,其中选的是RTX 4090。

而我们用视频作为高斯的输入，所以说在参考文献的基础上加了安装ffmpeg这一步。

一.高斯所需环境：

根据Github的原始配置文件，我选择了：

python 3.8

cuda 11.8

cudann 8.9.6.50

pytorch:2.0.0

二.AutoDL的优点

存在社区镜像，在搜索栏里直接搜索3D Gaussian（不用完全搜完，第三个就是），已经有镜像配好了环境，安装了Comalp，只需要在Ubuntu上安装ffmpeg图片分割器
性价比较高，可以按量计费，使用完了关机不会进行计费
它具有学生认证，大学生可以经过学生认证之后打折

三.在Ubuntu上进行3D Gaussian

参考文献：

【记录贴】Linux的深度学习环境配置 + 3D Gaussian Splatting云端部署 - 技术分享 - discussMaker (scumaker.org)

3D Gaussian Splatting的使用_计算机视觉_gootyking-GitCode 开源社区 (csdn.net)

以下内容大部分与参考文献相同，但是加入了一点我自己安装过程中遇到的问题和解决问题的方法

接下来的指令打开Xshell进行输入就好，Xshell的连接方法在前文已经提及

1 配置显卡驱动

1.1更新软件列表和安装必要依赖

sudo apt update

sudo apt install g++

sudo apt install gcc

sudo apt install make

sudo apt install cmake

更新rz服务便于windows上传文件到服务器

apt-get install lrzsz

这一步可以使用Xftp代替，直接下载到本地，打开Xftp，将解压好的文件直接拖拽到服务器对应窗口

1.2 查询当前显卡信息

使用指令查询当前机器的版本情况

lsb_release -a

使用指令查询当前机器的显卡情况

lspci | grep VGA

使用指令查询最佳的NVIDIA驱动

cat /proc/driver/nvidia/version

最后我显现出来的结果是这样：

根据图片所示，应该使用53.86.05的显卡驱动

NVIDIA驱动下载：

官方驱动 | NVIDIAc

创建一个放置各种包的文件夹：

mkdir linux_packages
cd linux_packages

选择准备上传的驱动

1.3 禁用系统自带的显卡驱动nouveau

在终端输入命令打开blacklist.conf文件

sudo vim /etc/modprobe.d/blacklist.conf

有时候使用vim打不开的话，可以打开Xftp找到对应路径的blacklist.conf进行重命名，之后再运行这条命令就可以打开这个文件了

在打开的文件末尾输入，输入方式是先输入i进入insert模式，将文本加入后先按Esc退出Insert模式，然后Shift+X（Shift一直按，X按两次）就可以退出＋保存啦。

blacklist nouveau

options nouveau modeset=0

最后更新一下系统的initramfs镜像文件，在终端输入：

sudo update-initramfs -u

完成以上步骤后，在终端中输入：

lsmod | grep nouveau

如果没有输出的话就说明禁用了nouveau

1.4 安装gdm3

直接输入

sudo telinit 3

cd命令进入到你存放驱动的目录linux_packages，执行以下指令

sudo chmod 777 NVIDIA-Linux-x86_64-535.54.03.run   #给你下载的驱动赋予可执行权限，才可以安装
sudo ./NVIDIA-Linux-x86_64-535.54.03.run --no-opengl-files --no-x-check #安装
sudo sh nvidia.run --add-this-kernel
-no-x-check：安装驱动时关闭X服务
-no-nouveau-check：安装驱动时禁用nouveau
-no-opengl-files：只安装驱动文件，不安装OpenGL文件
-add

显卡驱动安装过程中一些选项：

The distribution-provided pre-install script failed! Are you sure you want to continue?

选择continue installation

剩下全部选no

安装结束后

sudo telinit 5

1.5 检验显卡驱动

1.6 挂载Nvidia驱动

modprobe nvidia

输入以下指令，出现显卡信息说明安装成功：

nvidia-smi

2.配置CUDA环境

由于服务器镜像自带，所以说这一步省略

3.配置3D Gaussian Splatting环境

3.1 源码下载

镜像中自带，这里不过多赘述

3.2 配置渲染器

安装必要的依赖，注意这里的cmake --build build -j24 --target install会遇到报错，提示需要CURL_OPENSSL_4，故考虑重新构建opencv对应版本的库

下载地址：Releases · opencv/opencv (github.com)（下载完记住先解压然后用Xftp移动到服务器即可）

# Dependencies
sudo apt install -y libglew-dev libassimp-dev libboost-all-dev libgtk-3-dev libopencv-dev libglfw3-dev libavdevice-dev libavcodec-dev libeigen3-dev libxxf86vm-dev libembree-dev
# Project setup
cd SIBR_viewers
cmake -Bbuild . -DCMAKE_BUILD_TYPE=Release # add -G Ninja to build faster
cmake --build build -j24 --target install

下载完成后：

cd opencv-4.5.3
ll

mkdir build
cd build/

cmake ..
make -j16
make install

# 记录编译路径（ CMakeLists.txt 中需要指定该路径 ）：

/build/ownOppenCV/opencv-4.5.3/build

然后修改SIBR——viewers里的Cmakelist.txt，指定OpenCV路径，注意vim指令有时候会报错，进入Xftp修改对应路径的Cmakelist.txt即可

vim CMakeLists.txt 
 # 添加如下：指定编译安装的目录
 set(OpenCV_DIR /build/opencv-4.5.3/build)
 find_package(OpenCV REQUIRED)

3.5 安装COLMAP

由于该镜像已经安装过了COLMAP，所以说这一步我们省略

详见可以看第一个参考文献

四. 3D Gaussian相关配置的安装

1.准备场景样本

拍视频最好，可以用ffmpeg进行抽帧。

PS：

因为训练的照片要分辨率同意，相机参数、光照等看着都比较同意比较好。

另外，建议分辨率推荐1080P，至少720p。再退一步，至少保证宽或高有一个能到720，不然训练出来的效果不好

拍视频的时候，一定不要在一个位置转着拍，要缓慢走动，边走边转，上下左右，然后再走回来，这个路线根据场景要设计好，目的是在任何位置上都有任何角度的照片

2.ffmpeg下载及视频切割

在Xftp中gaussian-splatting中建一个data目录，data目录里建个input文件夹，名字必须是input

使用下面这个指令进行ffmpeg下载

sudo apt update

sudo apt install ffmpeg

这个下载时间有点长，需要等待

安装完之后检查是否安装完成，请输入：

ffmpeg

最终输出结果：

然后输入以下指令进入data目录（注意上一级目录是否是gaussian-splatting）

cd data

最后输入：

 ffmpeg -i Scene_1.mp4 -r 3 -f image2 input/%06d.jpg

注意这里的mp4文件要通过Xftp从本地移动到服务器的data目录中，然后代码中的mp4写成你自己命名的mp4

3. 生成相机位姿

在gaussian-splatting的项目目录下，运行convert.py

python convert.py -s data

这里 -s 要传入数据目录，一定写data这个目录级别（input在这个目录下）

这时用的是CPU跑的，多等会儿，最终就在data目录下生成一堆目录和文件，包括相机位姿

4.训练

输入代码：

python train.py -s data -m data/output

但是我出现了以下错误：RuntimeError:CUDA error:an illegal memory access was encountered

但是这个错误不知道是哪里出现了问题

然后输入python之后

输入:

import os
os.environ['CUDA_LAUNCH_BLOCKING']='1'
exit()

就可以显示具体的错误位置了

查看了网上的解决方法，是batch_size的问题

应该是显存和显卡不适配的问题

然后换了个服务器型号

最后就训练成功啦

五.总结

以上步骤都成功之后，会在data/output里面生成文件夹，生成点云文件input.ply，可以用unity等软件进行查看

之后每次训练步骤如下：

1.打开Xshell和Xftp链接服务器

2.把视频文件移动到data文件夹中并新建input文件夹（在Xftp直接按windows操作即可），注意要将之前的文件进行备份保存然后从data文件中移除

3.ffmpeg -i Scene_1.mp4 -r 3 -f image/%06d.jpg(笔者补充：如果输入是图像就不用ffmpeg，因为ffmpeg是为了分割视频为图像照片）

4. cd ..//回到gaussian-splatting文件夹中

python convert.py -s data

5.python train.py -s data -m data/output

就这样可以一直在服务器训练啦