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。

1. 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。

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

2. 本地编译

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

一定是确保GCC、CUDA、CMake版本符合：

cd bindings/torch
python setup.py install

其中，如果GCC版本过老，同时没有root权限，可以考虑：

# 下载源码包并解压
wget https://mirrors.cloud.tencent.com/gnu/gcc/gcc-11.2.0/gcc-11.2.0.tar.gz
tar -zxvf gcc-11.2.0.tar.gz

# 下载依赖及配置文件
cd gcc-11.2.0
./contrib/download_prerequisites

# 配置，prefix指向存储路径
mkdir build
cd build/
../configure --prefix=/path/to/install/gcc --enable-checking=release --enable-languages=c,c++ --disable-multilib

# 编译，后面的速度用来提速，与CPU相关
make -j 64

# 安装
make install 

将新版gcc路径添加至~/.bashrc，如果能正确输出gcc版本，则安装成功。

vim ~/.bashrc

# 添加以下内容
export PATH="/path/to/gcc-11.2.0/bin:$PATH"
export LD_LIBRARY_PATH="/path/to/gcc-11.2.0/lib64:$LD_LIBRARY_PATH"

# 添加后，执行下列命令
source ~/.bashrc
gcc -v