前言

official repo: https://github.com/NVlabs/tiny-cuda-nn
该包可以显著提高NeRF训练速度，是Instant-NGP、Threestudio和NeRFstudio等框架中，必须使用的。
本文提供tiny-cuda-nn可以安装的完整包的下载链接，可以直接上传到项目中安装。附带笔者遇到的问题的解决方案。

tiny-cuda-nn第一种下载方法：命令行安装

最便捷的安装方式，如果安装失败考虑本地编译。【很可能失败】

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

其实最常见的错误是安装了和本机cuda不匹配的torch版本。
cuda版本查看：

nvcc -V

如笔者的版本：

就需要找到对应的cuda_11.7版本的torch下载：
https://pytorch.org/
找到：



就成功安装啦！

tiny-cuda-nn第二种下载方法：本地编译

下载链接：https://pan.baidu.com/s/1dN2dsdYbX4wFkmK5vUG-DQ?pwd=vk9a
提取码：vk9a
建议直接在链接里下载解压然后上传到项目上，直接运行：

cd bindings/torch
python setup.py install

2.1 git下载

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

该命令中的recursive，是用于下载tiny-cuda-nn中的两个依赖包：cutlass和fmt。

如果服务器上recursive下载失败，考虑本地下载zip包，上传至服务器并解压。但注意：此时两个依赖包是需要自己下载的：

cd tiny-cuda-nn/dependencies
git clone https://github.com/NVIDIA/cutlass.git
git clone https://github.com/fmtlib/fmt.git

2.2 本地编译

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

cd bindings/torch
python setup.py install

pytorch3d安装

# FORCE_CUDA=1 pip install "git+https://github.com/facebookresearch/pytorch3d.git" #
conda install -c fvcore -c iopath -c conda-forge fvcore iopath -y
conda install pytorch3d -c pytorch3d -y

基本是可以成功安装的！

---

创作不易，观众老爷们请留步… 动起可爱的小手，点个赞再走呗 (๑◕ܫ￩๑) 欢迎大家关注笔者，你的关注是我持续更博的最大动力

原创文章，转载告知，盗版必究

---

---

---

♠ ⊕ ♠ ⊕ ♠ ⊕ ♠ ⊕ ♠ ⊕ ♠ ⊕ ♠ ⊕ ♠ ⊕ ♠ ⊕ ♠ ⊕ ♠ ⊕ ♠ ⊕ ♠ ⊕ ♠ ⊕ ♠ ⊕ ♠ ⊕ ♠ ⊕ ♠ ⊕ ♠ ⊕ ♠ ⊕ ♠ ⊕ ♠ ⊕ ♠ ⊕ ♠ ⊕ ♠ ⊕ ♠ ⊕ ♠ ⊕ ♠ ⊕ ♠ ⊕ ♠ ⊕ ♠