Windows安装Pytorch3d

news2025/2/13 12:02:48

Windows安装Pytorch3d

1.前提:

  1. 安装Visual Studio 2019 【我记得必须是2017-2019之间的版本,我一开始用的是2022的版本就安装不了】网址
  2. pytorch和pytorch3d、cuda和NVIDIA CUB版本需要相互对应

pytorch和pytorch3d版本对应关系如下:https://github.com/facebookresearch/pytorch3d/releases

cuda和NVIDIA CUB版本对应关系如下:https://github.com/NVIDIA/cub/releases?page=1

本人配置如下:

GPU:1050Ti

CUDA:11.1

python:3.8

pytorch:1.8.0

pytorch3d:0.7.0

NVIDIA CUB:cub-1.9.10-1

2.安装

2.1 创建虚拟环境

首先打开cmd命令窗口,创建并激活虚拟环境

conda create -n pytorch3d python=3.8
conda activate pytorch3d

2.2 安装pytorch

conda install pytorch==1.8.0 torchvision==0.9.0 torchaudio==0.8.0 cudatoolkit=11.1 -c pytorch -c conda-forge

2.3 安装其他依赖

conda install -c fvcore -c iopath -c conda-forge fvcore iopath
conda install jupyter
pip install scikit-image matplotlib imageio plotly opencv-python
pip install black usort flake8 flake8-bugbear flake8-comprehensions

2.4 下载cub

cuda和NVIDIA CUB版本对应关系如下(不全,完整查看网址):

CUB ReleaseIncluded In
2.0.1CUDA Toolkit 12.0
2.0.0TBD
1.17.2TBD
1.17.1TBD
1.17.0TBD
1.16.0TBD
1.15.0NVIDIA HPC SDK 22.1 & CUDA Toolkit 11.6
1.14.0NVIDIA HPC SDK 21.9
1.13.1CUDA Toolkit 11.5
1.13.0NVIDIA HPC SDK 21.7
1.12.1CUDA Toolkit 11.4
1.12.0NVIDIA HPC SDK 21.3
1.11.0CUDA Toolkit 11.3
1.10.0NVIDIA HPC SDK 20.9 & CUDA Toolkit 11.2
1.9.10-1NVIDIA HPC SDK 20.7 & CUDA Toolkit 11.1
1.9.10NVIDIA HPC SDK 20.5
1.9.9CUDA Toolkit 11.0
1.9.8-1NVIDIA HPC SDK 20.3
1.9.8CUDA Toolkit 11.0 Early Access
1.9.8CUDA 11.0 Early Access

根据自己的CUDA版本选择对应的cub版本,下载网址:

1

下载此压缩文件并解压到自己想安装的位置

而后添加环境变量,变量值为解压缩的位置:

在这里插入图片描述

2.5 下载pytorch3d

pytorch和pytorch3d版本对应关系如下:https://github.com/facebookresearch/pytorch3d/releases

这里的对应版本就看Version下第一行There are builds for PyTorch 1.12.0, but no longer 1.7.x.,可以看出最高支持1.12.0,且不再支持1.7.x的版本。

根据自己的pytorch版本选择对应的pytorch3d版本

在这里插入图片描述

下载此压缩文件并解压到自己想安装的位置,我解压的位置是E:\pytorch3d-0.7.0(按照我之前看的博文最好应该解压到虚拟环境的Lib\site-packages目录下)

2.6 安装MinGW

其他教程中有包含这一步,我的电脑很久前就装过MinGW,所以此处省略。

2.7 安装pytorch3d

2.7.1 修改setup.py

打开pytorch3D文件夹,找到setup.py文件并打开,将extra_compile_args = {"cxx": ["-std=c++14"]} 修改为: extra_compile_args = {"cxx": []}

2.7.2 安装pytorch3d

使用管理员身份打开x64 Native Tools Command Prompt for VS 2019,进入pytorch3d文件夹的路径并激活虚拟环境。

cd E:\pytorch3d-0.7.0
E:
set DISTUTILS_USE_SDK=1
set PYTORCH3D_NO_NINJA=1
python setup.py install

等待代码执行完成即可。

2.8 验证

导入pytorch3d未报错
在这里插入图片描述

参考资料

  1. pytorch3D Windows下安装经验总结
  2. Windows下Pytorch3d的安装方法

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/645528.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

springcloud-Nacos处理高并发的注册

添加服务 第一 次判断 提供性能:避免多个线程同时在等 synchronzied 释放 第二次 判断 : 别的线程可能已经将实例加入了 serviceMap() 注意这里还有个ConcurrentSkipListMap 有利于提高读写性能。 所以内层的Map 是个ConcurrentSkipLlistMap&#xff…

Binder对象的流转(系统服务的调用过程、AIDL的使用过程)

零、Binder的传递 Android系统中,存在大量的 IPC 交互,同时也使用了大量的 Binder,那么Binder是怎么在各进程中进行对象的传递? 一、调用系统服务时,Binder的传递 回忆一下,Android系统的启动流程&#x…

看一图而思全云

>> 前言 << 我在看财经十一人吴俊宇老师撰写的《阿里云计划在12月内独立上市》时&#xff0c;看到了一张全球及中国IT支出结构图。就是下图这张图&#xff0c;盯着这张图&#xff0c;我看到了星辰大海&#xff0c;也想到了广阔天地大有可为。 但只看这个图不够过瘾…

1.7C++流插入运算符重载

C流插入运算符重载 在 C 中&#xff0c;流插入运算符&#xff08;<<&#xff09;用于输出数据到流中的运算符&#xff0c;流插入运算符可以被重载&#xff0c;使得程序员可以自定义输出对象的方式。 重载流插入运算符的一般形式如下&#xff1a; 其中&#xff0c;T 是…

Vue中如何进行瀑布流布局与图片加载优化

Vue中如何进行瀑布流布局与图片加载优化 瀑布流布局是一种常用的网页布局方式&#xff0c;它可以让页面看起来更加有趣和美观。在Vue.js中&#xff0c;我们可以使用第三方插件或者自己编写组件来实现瀑布流布局。同时&#xff0c;为了优化图片加载的性能&#xff0c;我们还可以…

部署minio分布式测试环境

准备了4台虚拟机作为minio分布式节点服务器。 操作系统为TencentOS3.1(相当于CentOS8) 选择从官网下载minio安装包,minio-20230602231726.0.0.x86_64.rpm 安装命令如下: rpm -ivh minio-20230602231726.0.0.x86_64.rpm 安装完毕,minio命令将会放在/usr/local/bin下。…

推动开源行业高质量发展|2023开放原子全球开源峰会圆满落幕

6 月 13 日&#xff0c;由 2023 全球数字经济大会组委会主办&#xff0c;开放原子开源基金会、北京市经济和信息化局、北京经济技术开发区管理委员会承办的 2023 开放原子全球开源峰会在北京顺利落下帷幕。本次峰会以“开源赋能&#xff0c;普惠未来”为主题&#xff0c;设置了…

多任务学习用于多模态生物数据分析

目前的生物技术可以同时测量来自同一细胞的多种模态数据&#xff08;例如RNA、DNA可及性和蛋白质&#xff09;。这需要结合不同的分析任务&#xff08;如多模态整合和跨模态分析&#xff09;来全面理解这些数据&#xff0c;推断基因调控如何驱动生物多样性。然而&#xff0c;目…

佩戴舒适的蓝牙耳机评测,值得入手的蓝牙耳机推荐

蓝牙耳机越来越少受年轻人的欢迎&#xff0c;蓝牙耳机品牌也非常多&#xff0c;很多朋友在选择时&#xff0c;不知道选哪款好&#xff0c;下面是小编整理的蓝牙耳机品牌排行榜前十名&#xff0c;大家可以参考参考。 一、南卡OE蓝牙耳机 参考价格&#xff1a;469 舒适性最高的…

4个维度搞懂Nacos注册中心

现如今市面上注册中心的轮子很多&#xff0c;我实际使用过的就有三款&#xff1a;Eureka、Gsched、Nacos&#xff0c;由于当前参与 Nacos 集群的维护和开发工作&#xff0c;期间也参与了 Nacos 社区的一些开发和 Bug Fix 工作&#xff0c;过程中对 Nacos 原理有了一定的积累&am…

专为AI大模型打造的GPU加速器MI300X

作者 I 刘博 54岁神秘女掌门&#xff1a;年薪4亿元&#xff0c;一代女强人 AMD与苏姿丰的名字如今深深绑定在一起。 1969年&#xff0c;苏姿丰出生在中国台湾&#xff1b;同一年&#xff0c;日后与她渊源颇深AMD在硅谷创立。谁也不会想到&#xff0c;她将在几十年后拯救AMD。 …

尚硅谷大数据技术Spark教程-笔记09【SparkStreaming(概念、入门、DStream入门、案例实操、总结)】

尚硅谷大数据技术-教程-学习路线-笔记汇总表【课程资料下载】视频地址&#xff1a;尚硅谷大数据Spark教程从入门到精通_哔哩哔哩_bilibili 尚硅谷大数据技术Spark教程-笔记01【SparkCore&#xff08;概述、快速上手、运行环境、运行架构&#xff09;】尚硅谷大数据技术Spark教程…

js执行顺序和promise.then()案例:

这篇笔记摘录来源&#xff1a; &#x1f449;我是javascript&#xff0c;2分钟彻底弄懂我的执行机制&#xff1f;【JavaScript教程】_哔哩哔哩_bilibili &#x1f449;js执行顺序_前端小白&#xff0c;请多指教的博客-CSDN博客 目录 面试题1&#xff1a; 面试题2: 面试…

java的转换流、压缩流、序列化流、打印流

一、转换流 转换流属于字符流&#xff0c;也是一种高级流&#xff0c;用来包装Reader和Writer。转化流是字符流和字节流之间的桥梁。转换输入流为InputStreamReader&#xff0c;把把字节流转化为字符流&#xff1b;转化输出流为OutputStreamWriter&#xff0c;把字符流转化为字…

解析 MySQL 锁机制:共享锁、排它锁、间隙锁、意向锁等,保障数据安全与高并发的秘密武器

前言并发事务问题锁分类锁定读共享锁排它锁 意向排它、意向共享锁自增锁记录锁间隙锁InnoDB 行锁模式及加锁方法死锁总结 前言 MySQL 锁机制比较显而易见&#xff0c;其最显著的特点是不同的存储引擎支持不同的锁机制 MySQL InnoDB 锁机制官方文档 比如在 MyISAM、Memory 存…

如何用Taro打造敏捷的移动App架构

什么是Taro&#xff1f; Taro&#xff08;或称为Taro框架&#xff09;是一种用于构建跨平台应用程序的开源JavaScript框架。它基于React和React Native&#xff0c;可以用于开发Web、iOS、Android和微信小程序等平台上的应用程序。 Taro的目标是实现一套代码多端运行的方案&a…

CRF条件随机场的原理、例子、公式推导和应用

转子&#xff1a;https://zhuanlan.zhihu.com/p/148813079 条件随机场&#xff08;Conditional Random Field&#xff0c;CRF&#xff09;是自然语言处理的基础模型&#xff0c;广泛应用于中文分词、命名实体识别、词性标注等标注场景。 条件随机场CRF与深度学习结合&#xf…

MATLAB文化算法

目录 文化算法 主要代码 Sphere AdjustCulture 结果 文化算法 基本概念&#xff1a;优化算法 | 详解文化算法&#xff08;附MATLAB代码&#xff09; - 知乎 不同于遗传算法只有种群进化空间&#xff0c;文化算法包含信念空间、种群空间两个进化空间&#xff0c;因此&#…

[学习笔记] [机器学习] 11. EM算法(极大似然估计、EM算法实例、极大似然估计取对数的原因)

视频链接数据集下载地址&#xff1a;无需下载 学习目标&#xff1a; 了解什么是 EM 算法知道极大似然估计知道 EM 算法实现流程 讲 EM 算法主要是为了后面的 HMM 做准备。 1. 初始 EM 算法 EM 算法&#xff08;Expectation-Maximization algorithm&#xff0c;期望最大化算法…

索引介绍和基本使用

介绍 索引就是用来加速SQL查询的 由于索引也是需要存储成索引文件的&#xff0c;因此对索引的使用也会涉及磁盘I/O操作。如果索引创建过多&#xff0c;使用不当&#xff0c;会造成SQL查询时&#xff0c;进行大量无用的磁盘I/O操作&#xff0c;降低了SQL的查询效率&#xff0c…