Linux服务器安装tiny-cuda-nn完整流程

最近在跑make-it-3d，发现其中很多包的安装很费劲，综合了很多博客才安装好一个包，现将如何安装tiny-cuda-nn包的完整方法记录一下，帮助各位学习者更快的上手跑代码。

tiny-cuda-nn包能够显著提升NeRF的训练速度，在目前很多NeRF相关的工作中都有使用到。

1、命令行安装（最方便快捷）

直接从github上面自动进行pip install：

pip install git+https://github.com/NVlabs/tiny-cuda-nn/#subdirectory=bindings/torch

如果从github上pip速度慢，或者连接失败，可以使用gitee中的链接：

tiny-cuda-nn: https://github.com/NVlabs/tiny-cuda-nn

同时本人想提醒各位，如果从github上面clone包失败，可以先将包迁移到自己的gitee上，亲测十分有效，可以减少很多时间，具体可以参考如下文章：

【经验】Git｜Linux终端git太慢，改hosts、复制文件夹、用镜像源？不不不不不

2、手动安装（稍微麻烦）

（1）将tiny-cuda-nn包手动git clone到虚拟环境的site-packages中

git clone --recursive https://github.com/NVlabs/tiny-cuda-nn

此处recursive是为了一块clone其中的cutlass和fmt包，如果clone失败则需要手动clone：

cd tiny-cuda-nn/dependencies

git clone https://github.com/NVIDIA/cutlass.git

git clone https://github.com/fmtlib/fmt.git

再次提示这些包在gitee上都有镜像，可以加速clone。

（2）本地编译tiny-cuda-nn

首先查看自己的linux服务器中gcc,g++,cuda,cmake的版本是否正确，一定一定要在版本符合要求的情况下再进行包的安装，具体要求如下图所示：

如果gcc,g++,cuda,cmake版本不符合要求，在网络上搜索切换gcc,g++版本，更新cmake版本等文章即可获得解答，在此不过多赘述。

特意补充一篇文章关于cmake的版本升级，刚刚发现本人最开始使用了更改系统环境变量的方式更新cmake，导致再次进入系统后出问题，下面这篇文章完全没问题，不需要修改环境变量！！！

CMake版本升级

之后进行本地编译：

cd tiny-cuda-nn
 
cmake . -B build -DCMAKE_BUILD_TYPE=RelWithDebInfo
 
cmake --build build --config RelWithDebInfo -j

（3）编译成功后，进行tinycudann的pip安装

cd bindings/torch
 
python setup.py install

（4）检查是否成功安装包

安装后显示下图说明安装正确：

使用pip list/conda list命令查看是否成功安装tinycudann包。

最后还可以在python环境下使用import tinycudann程序来验证是否成功安装，如果能够import则安装完毕！

在此非常感谢csdn的前辈，本文参考以下文章：

【Linux】服务器上安装tinycudann（已解决）

[Tools: tiny-cuda-nn] Linux安装