Ubuntu20.04安装LibTorch并完成高斯溅射环境搭建_ubuntulibtorch使用gpu

0. 简介

最近受到优刻得的使用邀请，正好解决了我在大模型和自动驾驶行业对GPU的使用需求。UCloud云计算旗下的Compshare的GPU算力云平台。他们提供高性价比的4090 GPU，按时收费每卡2.6元，月卡只需要1.7元每小时，并附带200G的免费磁盘空间。暂时已经满足我的使用需求了，同时支持访问加速，独立IP等功能，能够更快的完成项目搭建。

而且在使用后可以写对应的博客，可以完成500元的赠金，完全可以满足个人对GPU的需求。

对应的环境搭建已经在《如何使用共享GPU平台搭建LLAMA3环境（LLaMA-Factory）》介绍过了。高斯溅射是最近在SLAM领域最火的一块工作，因为其和深度学习结合，这导致有一定的上手门槛。基于python的高斯溅射已经有很多了，现在我们这里来讲一下如何使用C++完成环境搭建以及代码训练。如果使用了优刻得平台我们可以省去搭建CUDA这些环境，可以直观关注算法层面的使用。

1. 检查显卡驱动

查看是否安装NVIDIA显卡

lspci | grep -i nvidia
1

查看显卡信息

nvidia-smi
1

如果出现这个样式，说明已经安装显卡驱动了。通常装好的Ubuntu中都有显卡驱动。如果在配置的过程中遇到了没有显卡驱动。如果没有驱动，那么就需要手动安装显卡驱动了。

先添加源：

sudo add-apt-repository ppa:graphics-drivers/ppa
sudo apt update
1
2

检查可安装的驱动：

ubuntu-drivers devices
1

找到最适合的驱动安装，安装recommended标记的，通常也是数字版本最大的那个。

sudo apt install nvidia-driver-XXX
1

也可以自动安装系统推荐那个

sudo ubuntu-drivers autoinstall
1

如果没有遇到报错，说明安装成功，此时调用nvidia-smi指令可能还是看不到显卡信息，不要担心，重启系统之后就能看到了。

2. 安装CUDA

英伟达官网（最新版）：CUDA Toolkit 12.5 Update 1 Downloads | NVIDIA Developer

CUDA历史版本下载地址：CUDA Toolkit Archive | NVIDIA Developer

这里是nvidia给出的官方安装指南（遇到问题时可以查阅）：

NVIDIA CUDA Installation Guide for Linux

2.1 选择 runfile 按照官网提示的输入到终端中的代码执行安装

我们在打开上面的CUDA历史版本下载地址找到CUDA 12.1版本后

然后复制命令到命令行

wget https://developer.download.nvidia.com/compute/cuda/12.1.0/local_installers/cuda_12.1.0_530.30.02_linux.run
1

这里必须先关图形界面，如果不关，运行下面安装的命令之后会报错，装不上（我们这里不需要，这个需要带图形化界面的Ubuntu）

systemctl isolate multi-user.target
1

关闭图形界面之后会重启，输入如下命令（我们这里不需要，这个需要带图形化界面的Ubuntu）

 modprobe -r nvidia-drm
1

2.2 安装驱动

sudo sh cuda_12.1.0_530.30.02_linux.run
1

稍等一会。会在弹出的安装界面中选“continue”，如果选了会跳出安装，就说明安装失败，给了失败日志的路径，自己查看原因，一般是gcc版本问题，降级方法如下:

sudo apt-get install gcc-7 g++-7
 
sudo update-alternatives --install /usr/bin/gcc gcc /usr/bin/gcc-7 9
sudo update-alternatives --install /usr/bin/gcc gcc /usr/bin/gcc-9 1
 
sudo update-alternatives --display gcc     //查看默认版本
 
sudo update-alternatives --install /usr/bin/g++ g++ /usr/bin/g++-7 9
sudo update-alternatives --install /usr/bin/g++ g++ /usr/bin/g++-9 1
 
sudo update-alternatives --display g++
1
2
3
4
5
6
7
8
9
10
11

如果没问题继续安装：

之后就继续，输入accept

之后就继续，把第一个选择驱动，给他回车取消，因为我们已经有驱动了

在安装完毕后，我们再开启图形界面（我们这里不需要，这个需要带图形化界面的Ubuntu）

sudo systemctl start graphical.target
1

2.3 配置CUDA的环境变量

成功后需要配置一下环境变量，这步很关键。这里需要在.bashrc里配置环境变量。

sudo gedit ~/.bashrc
1

在打开文件的最后一行加上：

export PATH=/usr/local/cuda-12.1/bin${PATH:+:${PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda-12.1/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}
1
2

特别注意文件夹路径，有时候文件夹直接是/usr/local/cuda，有时候是别的版本号，要确保文件夹存在。

source ~/.bashrc
1

2.4 检查是否安装成功

检查一下CUDA是否安装正确：（注意文件夹路径一定要存在，需要跟上面设置环境变量的路径保持一致）

cat /usr/local/cuda-12.1/version.txt
1

一开始的时候，我对CUDA不是很了解，执行这句话没有任何反应，我以为是该方法失效了。我使用nvidia-smi或nvcc --version指令都看到了CUDA版本号。但是CUDA环境没有配置好，这两个也是能拿到版本号的，所以不准确。还是应该用上面的方法检查CUDA版本。

2.5 卸载cuda

先进入安装目录下的bin文件夹中

cd /usr/local/cuda-12.2/bin
1

然后勾选我们要卸载的12.2版本，选择done

3. 安装cuDNN

cuDNN比CUDA安装简单，下载对应版本压缩包，拷贝文件到指定目录，给予权限就好了。

下载cudnn相应版本.
最新版下载地址：Log in | NVIDIA Developer
cudnn历史版本: cuDNN Archive | NVIDIA Developer

官方安装指南: Installation Guide - NVIDIA Docs

3.1 下载

https://developer.nvidia.com/rdp/cudnn-archive
#找到https://developer.nvidia.com/downloads/compute/cudnn/secure/8.9.7/local_installers/12.x/cudnn-local-repo-ubuntu2004-8.9.7.29_1.0-1_amd64.deb
1
2

3.2 安装cuDNN库

sudo dpkg -i cudnn-local-repo-ubuntu2004-8.9.7.29_1.0-1_amd64.deb
sudo cp /var/cudnn-local-repo-*/cudnn-local-*-keyring.gpg /usr/share/keyrings/
1
2

3.3 更新APT仓库并安装cuDNN运行时库、开发库和示例库

sudo apt-get update
sudo apt-get install libcudnn8=8.9.6.50-1+cuda12.2
sudo apt-get install libcudnn8-dev=8.9.6.50-1+cuda12.2
sudo apt-get install libcudnn8-samples=8.9.6.50-1+cuda12.2
1
2
3
4

3.4 安装成功

cp -r /usr/src/cudnn_samples_v8/ $HOME
cd $HOME/cudnn_samples_v8/mnistCUDNN
make clean && make
./mnistCUDNN

#显示“Test passed!”或类似的消息，表示cuDNN运行正常。

- 如果编译报错fatal error: FreeImage.h: No such file or directory
    1 | #include "FreeImage.h"
      |          ^~~~~~~~~~~~~
- 解决方法：sudo apt-get install libfreeimage3 libfreeimage-dev
1
2
3
4
5
6
7
8
9
10
11

4. 安装libtorch GPU版

进入pytorch官网 https://pytorch.org/get-started/locally/

下载一个你想用的就行

这里我们根据12.1的下载链接

wget https://download.pytorch.org/libtorch/cu121/libtorch-cxx11-abi-shared-with-deps-2.3.1%2Bcu121.zip
1

4.1 解压

unzip libtorch-cxx11-abi-shared-with-deps-2.3.1+cu121.zip
1

解压后得到libtorch文件夹，文件夹下的内容如图

4.2 环境测试

配置CMakeLists.txt文件：

cmake_minimum_required(VERSION 3.0 FATAL_ERROR)
project(libtorch_test)


find_package(PythonInterp REQUIRED)
list(APPEND CMAKE_PREFIX_PATH "/home/ubuntu/libtorch")

add_executable(libtorch_test main.cpp)

find_package(Torch REQUIRED)
target_link_libraries(libtorch_test "${TORCH_LIBRARIES}")
set_property(TARGET libtorch_test PROPERTY CXX_STANDARD 17)
1
2
3
4
5
6
7
8
9
10
11
12

编辑main.cpp文件

#include <torch/script.h>
#include <torch/torch.h>
#include <iostream>
int main() {
    std::cout << "检查CDUA是否可用：" << torch::cuda::is_available() << std::endl;
    std::cout << "检查cudnn是否可用：" << torch::cuda::cudnn_is_available() << std::endl;
    std::clock_t s, e;
    s = clock();
    torch::Tensor cuda_output;
    for (int i=0;i<1;i++) {
        cuda_output = torch::randn({ 5, 4 }, torch::device(torch::kCUDA));
    }
    std::cout << cuda_output << std::endl;
    e = clock();
    std::cout << "use time: " << (e - s) << " 微秒" << std::endl;
    return 0;
}
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17

5. OpenSplat项目运行

要在Ubuntu环境中搭建OpenSplat项目，请按照以下步骤操作：

5.1 安装依赖项：

sudo apt-get update
sudo apt-get install build-essential cmake git libeigen3-dev libopencv-dev
1
2

5.2 克隆项目：

git clone https://github.com/pierotofy/OpenSplat OpenSplat
cd OpenSplat
mkdir build && cd build
cmake -DCMAKE_PREFIX_PATH=/path/to/libtorch/ .. && make -j$(nproc)
1
2
3
4

5.3 下载数据集：

下载并解压数据集到某个文件夹：banana、train、truck

打开终端，进入项目目录：

cd build
1

运行以下命令（以banana数据集为例）：

./opensplat /path/to/banana -n 2000
1

生成的splat.ply文件可以在PlayCanvas Viewer中查看，cameras.json文件也会在同一目录下生成。

运行自定义数据：选择包含稀疏点的COLMAP、OpenSfM、ODM或nerfstudio项目路径。

5.4 查看参数：

运行以下命令查看可调参数：

./opensplat --help
1

5.5 生成压缩splat文件：

使用以下命令生成压缩的.splat文件：

./opensplat /path/to/banana -o banana.splat
1

6. 参考链接

https://blog.csdn.net/ytusdc/article/details/132404002

https://blog.csdn.net/h3c4lenovo/article/details/119003405

https://blog.csdn.net/Xeon_CC/article/details/126913125

https://blog.csdn.net/qq_42864343/article/details/131728784

https://blog.csdn.net/2301_79694635/article/details/135647492