3D Gaussian Splatting for Real-Time Radiance Field Rendering 在AutoDl上部署_3d gaussian splatting部署

一. 租用AutoDl服务器

1.1 进入官网进行注册
1.2 点击算力市场租服务器，（下图4090是），基于该论文，python版本选择3.8，cuda版本选择11.8

1.3 租用成功后的样子

二. Xtfp与服务器链接

2.1 先下载Xftp官网下载地址
2.2 Xtfp与AutoDL连接

假设步骤（2）得到的登陆指令是：ssh -p 12300 root@rxxxxn-0.autodl.com

那么下图中的主机和端口号分别是：

• 用户名：root
• 主机HOST：rxxxxn-0.autodl.com （@后的所有内容）
• 端口号：12300
• 密码（最后一行）：是步骤（2）直接得到的
  

找个文件夹放进去就行，记得放哪

三. 本地训练准备数据

3.1准备数据

当时看的是这个B站中恩实验室的视频，但是本人电脑是1060的，后续工作根本做不了 ，但当时跟着跑一下可以得到了各个视角的图片，可以为后续直接用
到此，可以得到data那个文件夹，

3.2 代码和模块下载

下载原码
下载模块diff-gaussian-rasterization
下载模块simple-knn

把上述下载好俩个模块解压拖到submoduls文件夹

但是此时diff-gaussian-rasterization文件夹中的third-party还是空的

然后点开源码网址将这文件夹单独下载再拖进去

在中恩那里训练好的data也拖进来

至此一个完整的源码就在本地配置好了，之后将源码文件夹上传到autodl上，我上传到autodl-tmp文件了

四. autodl环境配置

4.1准备

编辑文件+刷新，使得能使用conda，以进行后续的环境配置

• 输入：vim ~/.bashrc
• 开始进行编辑：输入i
• 移动到文件的最后一行，加上source /root/miniconda3/etc/profile.d/conda.sh
• 保存并退出：按Esc键，输入:wq，再回车
  输入bash重启终端（即，刷新一下）

4.2 配置

这是我创建一个gs的环境
进入环境：conda activate base
创建新环境：conda create -n gs python=3.8
进入新环境，输入：conda activate gs
安装torch:
pip install torch==1.12.1+cu116 torchvision==0.13.1+cu116 torchaudio==0.12.1 --extra-index-url https://download.pytorch.org/whl/cu116

安装下面三个模块,注意先进去autodl-tmp/gaussian-splatting-main文件夹，如上图
pip install plyfile tqdm
pip install submodules/diff-gaussian-rasterization
pip install submodules/simple-knn/

4.3 训练

上述环境安装好后，在autodl-tmp/gaussian-splatting-main路径下执行命令
python train.py -s data -m data/output
训练结束后出现data下出现output文件夹，将他下载到本地可视化

看完该博客进行可视化，或者中恩实验室后面也有说

本人电脑4G显存看不了结果，在朋友电脑是上看了一下，结果是可以的

五. 总结

先跟着B站中恩实验室跑一次本地的，得到一些数据以及下载一些可视化工具，之后将完整的代码上传到服务器，在服务器配置一下环境，跑代码大约只需要十分钟左右。最后在本地看结果。

Reference

图片和参考来自下述博客：
1.AutoDl使用教程
2.3D Gaussian Splatting入门指南
3.3D Gaussian Splatting Linux端部署指南（含Linux可视化）