3D Gaussian Splatting Linux端部署指南（含Linux可视化）_3d gaussian splatting 环境搭建
3D Gaussian Splatting Linux端部署指南
目录
项目地址
部署记录
11. Linux端在线远程可视化训练进程
准备自己的数据
SIBR_remoteGaussian在线远程可视化
补充：sibr_3Dgaussian离线可视化训练好的模型
朋友浩哥说环境是最难配的，配好环境，你就成功了一半！
项目地址
-
windows部署版本：https://github.com/jonstephens85/gaussian-splatting-Windows
-
windows和linux部署版本：https://github.com/graphdeco-inria/gaussian-splatting
部署记录
-
根据官方的环境配置environment.yml配置好环境，发现出了种种问题，先不管。
-
按教程准备好图片数据：【AI生成场景新突破】3D Gaussian Splatting入门指南_哔哩哔哩_bilibili+[视频文章]，由于我电脑没有gpu，linux服务器（rtx4090-24G）有，自己准备数据集需要用windows的colmap程序进行相机位姿计算，虽然可以下载no cuda版本，但是比较慢，于是直接使用官方数据集，建议先试用小型单物体数据集，训练速度快，如官方的卡车图片，这里使用官方covert好的tuck数据集，然后进行训练：
python train.py -s data/truck/报错：没有子模块，原因其一，git clone添加了--recursive，但是由于网络原因没将子模块下载下来，原因二，实验时间2024年1月25官方源码缺少一个子模块，找不到了，在之前网友网盘备份那里复制一份。
3. 子模块有了，手动继续安装子模块：
pip install submodules/diff-gaussian-rasterizatio/ pip install submodules/simple_knn/又有报错：cuda和pytorch不匹配的问题，看来必须处理环境配置问题了。由于环境限制：linux服务器使用的是nvidia545显卡驱动，cuda12.3，备用cuda11.8，不能随便更改显卡驱动版本，对应的cuda版本应为11.8以上才能调用显卡。在使用官方环境配置environment.yml发现出现问题，在下载子模块时总是报错，由于安装子模块pip install使用的也是服务器系统环境的cuda库，更改bashrc环境变量选择服务器系统安装的cuda12.3和cuda11.8，都无法编译官方的pytorch1.12.1
4. 于是不用官方的，根据pytorch官方文档，使用pip方式，而非conda方式下载包，自己手动下载符合系统cuda环境的pytorch：（下面任选其一）
#torch 2.1.2 pip install --pre torch torchvision torchaudio -i https://pypi.tuna.tsinghua.edu.cn/simple # CUDA 11.8 pip install torch==2.1.1 torchvision==0.16.1 torchaudio==2.1.1 --index-url https://download.pytorch.org/whl/cu118 # CUDA 12.1 pip install torch==2.1.1 torchvision==0.16.1 torchaudio==2.1.1 --index-url https://download.pytorch.org/whl/cu1215. 发现不管下载CUDA 11.8的pytorch还是CUDA 12.1版本的pytorch，都需要cuda12.1，于是下载cuda12.1，系统允许存在多个cuda版本，实际使用时按需选择，更改bashrc环境变量或者为执行的代码添加一个环境路径参数就行。下面是有效的一种安装cuda12.1的方式，注意的是，安装时不要勾选下载驱动，否则会将545的显卡驱动覆盖掉。
wget https://developer.download.nvidia.com/compute/cuda/12.1.1/local_installers/cuda_12.1.1_530.30.02_linux.run sudo sh cuda_12.1.1_530.30.02_linux.run 6. 更改bashrc环境变量，然后把cudnn的东西也复制到cuda12.1中，确保深度学习的部分也能用：
export PATH=\"/usr/local/cu
