第九周实验记录
1、安装Nerfstudio
环境配置
首先需要创建环境python=3.8，接着需要安装cuda11.7或11.3 这里安装cuda11.7
pip uninstall torch torchvision functorchpip install torch==1.13.1 torchvision functorch --extra-index-url https://download.pytorch.org/whl/cu117
安装tinycudann
直接使用 pip install 命令很可能出错
所以先git 下文件在安装
git clone --recursive https://github.com/nvlabs/tiny-cuda-nncd tiny-cuda-nncmake . -B buildcmake --build build --config RelWithDebInfo -j
在执行最后一步的时候可能会出现缺少文件的错误，需要升级cmake版本 参考链接
接着链接pytorch
cd tiny-cuda-nn/bindings/torchpython setup.py install #时间较长
测试 输入python
python
import tinycudann
如图 ，安装成功
安装nerfstudio
这里可以直接安装
pip install nerfstudio
也可以git安装
git clone https://github.com/nerfstudio-project/nerfstudio.gitcd nerfstudiopip install --upgrade pip setuptoolspip install -e .
运行实例
首先需要下载数据集，因为网络原因可能会无法下载，我是直接复制下载链接在浏览器下载。
ns-download-data nerfstudio --capture-name=poster
将数据集解压后，可以直接进行训练
ns-train nerfacto --data data/nerfstudio/poster
在HTTP框中 给出了viewer的地方，在pc端上使用ssh链接服务器 使用cmd输入
ssh -L 7007:localhost:7007 root@connect.beijinga.seetacloud.com -p 22048
复制链接打开浏览器，可以查看渲染情况
右侧可以渲染图像，得到视频，以及导出点云，在导出点云文件时命令可以运行，得到点云文件
2、MARS实验
按照github的命令配置环境，这里nerfstudio又安装了一些依赖
下载kitti数据集，一开始没有深度图，所以根据给的代码生成了深度图
开始训练（10月份版本的命令）
ns-train nsg-kitti-car-depth-recon --data /root/autodl-tmp/mars/data/kitti-MOT/training/image_02/0006
如果想读取已经训练的权重 ：–load_dir /root/autodl-tmp/mars/outputs/0006/nsg-kitti-car-depth-recon/2023-11-04_090030/nerfstudio_models
一开始训练出现killed的情况
可能是内存不足，服务器换了160g内存进行重新训练，可以运行
可视化模型为wandb
查看训练曲线以及渲染图像情况
3090显卡，0006序列训练10万次大概9-10个小时
可视化同样可以使用nerfstudio提供的界面 --vis viewer（但是界面很奇怪）可能存在问题
并且根据提供的命令，渲染视频，也出现了错误，可能是nerfstudio安装出现问题，后续继续解决
渲染视频问题解决
nerfstudio需要安装FFmpeg，在安装的时候的版本为下图，缺少依赖，不是完整版本，尤其是当ffmpeg是从源码编译而来时，默认不编译lib264组件
使用下图命令重新安装FFmpeg 既可以运行
可以看到支持如下编译，使用命令导出视频
下周计划
学习nerfstudio 查看论文、文档
解决本周出现的问题
详细阅读mars论文