从零3DGS部署-win10

一、硬件与环境

① win10
② 显存：1650 4GB

③ conda：官网下载，参考文章。配置环境变量后若无法识别“conda”可以重启更新。

④ Visual Studio 2019/2022

⑤ cuda 11.8 安装链接

选择如上结果，点击download。选择精简版一路安装即可。

⑥ cuDNN：注册账号后下载，选择v8.6.0（October 3rd 2022）for CUDA 11.x 。下载好后，将压缩包内\bin、\ include、\lib三个文件夹复制到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8目录下，选择覆盖。
验证：在C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8\extras\demo_suite目录下，按住alt+d，输入cmd打开终端，输入./bandwidthTest，出现如下界面，说明成功安装。

输入.\deviceQuery.exe结果如下：

均PASS表示成功安装。

二、环境配置

git拉取项目：
git clone https://github.com/graphdeco-inria/gaussian-splatting.git --recursive加上–recursive，拉取相关分支，否则代码不全。拉取后检查下面文件夹是否有程序：
Submodules/diff-gaussian-rasterization
Submodules/diff-gaussian-rasterization/third_party/glm

打开cmd，创建gs环境：

SET DISTUTILS_USE_SDK=1    # Windows only
conda create -n gaussian_splatting python=3.10    #若下载过程中超时停止，再次运行即可
conda activate gaussian_splatting    #若提示 run init 执行 conda init --system --all 

cd 终端转到gs文件夹，运行：

conda install -c anaconda vs2019_win-64 #若为2022版本：conda install -c conda-forge vs2022_win-64

pip install torch==2.0.0+cu118 torchvision==0.15.0+cu118 torchaudio==2.0.0+cu118 -f https://download.pytorch.org/whl/torch_stable.html

运行失败，更换cuda 11.7

再次运行：

conda create -n gaussian_splatting python=3.7 

conda install -c anaconda vs2019_win-64 #链接vs c++环境

conda install pytorch==1.13.1 torchvision==0.14.1 torchaudio==0.13.1 pytorch-cuda=11.7 -c pytorch -c nvidia #若失效，output错误，使用下面命令重新安装（本文是因为用户名含有分号失效，更改后应该也没问题）

若失效，output错误，使用下面命令重新安装（本文是因为用户名含有分号失效，更改后应该也没问题）。删除pytorch，重新安装

conda remove pytorch torchvision torchaudio pytorch-cuda -c pytorch -c nvidia #删除

pip install torch==1.13.1+cu117 torchvision==0.14.1+cu117 torchaudio==0.13.1 --extra-index-url https://download.pytorch.org/whl/cu117

pip install submodules/diff-gaussian-rasterization

pip install submodules/simple-knn

pip install plyfile

pip install tqdm

到此，环境配置成功。

三、制作自己的数据集

在视频位置打开终端：

 示例：ffmpeg -i {path to video} -qscale:v 1 -qmin 1 -vf fps={frame extraction rate} %04d.jpg
 
ffmpeg -i E:\gaussian-splatting\data\cupk\cupk.mp4  -qscale:v 1 -qmin 1 -vf fps=3 %04d.jpg #每秒三帧。

图片推荐100-1000张。注：照片存储在input文件夹内。视频存储在data文件夹内。
然后COLMAP and ImageMagick，执行：

示例：python convert.py -s <location>
python convert.py -s data/cupk

存在问题：CUDA driver version is insufficient for CUDA runtime version，CUDA驱动不支持cuda运行。从英伟达控制面板查找驱动最高适应版本为11.8.88，应该支持。
经验证，是colmap版本问题，建议使用3.8版本，解决该问题。 再次运行上段代码开始特征提取。

提取时间可能较长，取决于你的照片数量。提取完成后文件夹内将看到如下文件：

到此为止，数据集制作结束。

四、训练

依旧在该终端，开始训练：

示例：python train.py -s <path to COLMAP or NeRF Synthetic dataset>
python train.py -s data/cupk

出现问题：No module named 'simple_knn'。
可能是项目拉去问题，重新拉去项目，包含文件如下：

安装simple_knn项目

pip install E:\gaussian-splatting\submodules\simple-knn #knn文件路径

再次训练

python train.py -s data/cupk

出现上述情况，GPU显存不够，减少制作数据集照片重新训练。
训练ing…

五、可视化

训练结束后，在gaussian-splatting中，output文件夹内为训练结束得到的模型，包含四个文件。可以更改为习惯的名字。

下载viewers文件夹，复制到gaussian-splatting中。

进入viewers/bin文件夹

cd viewers/bin
SIBR_gaussianViewer_app.exe -m E:\gaussian-splatting\output\cupk

成功：