目录
1 安装Anaconda 2023.09版本
2 安装CUDA11.8
3 安装深度学习库Cudnn8.6.0
4 安装VSCODE2019
5 安装Colmap3.8
6 安装git
7 安装Python3.10 + Pytorch2.0.0
7 安装项目
8 采集数据
8.1 IPhone 14 pro 拍摄30张照片左右 + 做预处理
8.2 生成colmap位姿等信息
8.3 开始训练！启动！
8.4 资源占用
8.5 训练完成
8.5 可视化
1 安装Anaconda 2023.09版本
Download Success | Anaconda
https://www.anaconda.com/download-success 在这个网站下载最新版Anaconda。
安装直接执行就行，一直点next。
这样就是安装成功了。
输入nvcc -V查看cuda版本。
没安装过cuda，开始安装cuda。
2 安装CUDA11.8
CUDA Toolkit 11.8 Downloads | NVIDIA Developer
这个网址下载cuda11.8。点击Download下载。
直接赋予管理员权限安装就行。
这样就是安装成功了。
验证cuda安装：
3 安装深度学习库Cudnn8.6.0
cuDNN Archive | NVIDIA Developer
要注册英伟达账号。
这里下载好是一堆库文件，我们需要移动到cuda安装目录下。
a) 把cuda\bin目录下的文件复制到 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8\bin 目录下.
b) 把\cuda\ include目录下的文件复制到 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8\include 目录下.
c) 把\cuda\lib\x64\目录下的文件复制到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8\lib\x64 目录下.就是这样。
添加cudnn到环境变量：
安装完毕。
测试安装：
两个都要PASS成功！
4 安装VSCODE2019
下载好安装程序。
等待安装。
一定要勾选这个！！！
成功
5 安装Colmap3.8
下载链接：
Release 3.8 · colmap/colmap · GitHub
解压后移动到C盘非中文目录下。添加这个路径到环境变量。
OK。
6 安装git
下载完安装就行，一直下一步。
到命令行查看是否安装成功
成功！
7 安装Python3.10 + Pytorch2.0.0
创建python3.10的虚拟环境。
conda create -n 3DGS python=3.10
启动环境：
conda activate 3DGS安装pytorch2.0.0
conda install pytorch==2.0.0 torchvision==0.15.0 torchaudio==2.0.0 pytorch-cuda=11.8 -c pytorch -c nvidia测试pytorch是否可用：
可用，成功。
7 安装项目
克隆项目：
git clone https://github.com/graphdeco-inria/gaussian-splatting --recursive安装项目的依赖：
SET DISTUTILS_USE_SDK=1 pip install gaussian-splatting\submodules\diff-gaussian-rasterization pip install gaussian-splatting\submodules\simple-knn pip install plyfile tqdm这步成功了就差不多了哈哈！
8 采集数据
8.1 IPhone 14 pro 拍摄30张照片左右 + 做预处理
放入文件夹data中，再新建一个文件夹input把照片全部放进去。
用这个脚本转换图像的名称：
import os folder_path = r'C:\Users\lhwnb\Desktop\data\input' files = os.listdir(folder_path) counter = 0 for file_name in files: if file_name.endswith('.jpg') or file_name.endswith('.jpg') or file_name.endswith('.png'): new_name = f"{counter:06}.jpg" # 6位数字格式，如000000.jpg current_path = os.path.join(folder_path, file_name) new_path = os.path.join(folder_path, new_name) os.rename(current_path, new_path) counter += 1
8.2 生成colmap位姿等信息
将文件夹移动到项目文件夹，执行
python convert.py -s data
处理中.....
处理完毕。
我们看data文件夹：
colmap帮我们生成了很多文件，不用理会。
8.3 开始训练！启动！
我们监视一下显卡与内存的状态：
显存大概需要7G左右，可能是我图片少的缘故吧！
内存大概占用12G左右
8.4 资源占用
博主的电脑为联想拯救者Y9000p 2023 4090款：
CPU I9 13900HX 24核心32线程 支持超线程技术。
GPU 4090 16G。
Memory 32G。
在训练过程中，采用默认参数进行训练 图像为42张4K图像，程序进行过剪裁：
显存占用大约在7G左右，CPU占用率大约为12% 4.40GHz（I9 13代还是强），内存占用大约为12.6G。
显存快爆炸了。
8.5 训练完成
训练完成。
output文件夹就是训练生成的产物：
8.5 可视化
下载可视化工具：
可视化工具下载
下载好解压到viewer文件夹中（需要自己去创建这个文件夹）。
安装完成之后，在地址栏输入cmd，通过下列命令运行：
.\viewers\bin\SIBR_gaussianViewer_app -m data/output
操作方法：
WSAD控制上下左右，UIOJKL旋转相机，
