• Nerf三维重建Pytorch使用Pycharm运行0基础教程

    Nerf三维重建Pytorch使用Pycharm运行0基础教程

    ------------------------------------20230615更新----------------------------------------------
    Nerf自制数据集

    ------------------------------------20230427更新----------------------------------------------
    Nerf代码讲解，从零简单复现论文代码

    你好！ 这里是“出门吃三碗饭”本人，本文章接下来将介绍如何从0运行2020会议Nerf的Pytorch版本，让你自己动手渲染第一个三维模型。视频解说可以关注B站，搜索 出门吃三碗饭 ，即可找到对应视频（预计11.24更新），另外可以关注《AI知识物语》 公众号获取更多详情信息。
    讲解视频链接如下
    讲解演示视频

    第一步，理所当然的是获得Nerf的代码了

    1：百度搜索"PaperCode"

    PaperCode网址放在这里了

    2：左上角输入Nerf 右键Enter

    在这里插入图片描述

    3：来到该页面，点击SeeCode即可

    在这里插入图片描述

    4：进入seeCode页面后，下滑找到红色圈圈大佬留下的GitHub库，我们这次将运行他的代码

    在这里插入图片描述

    5：左键进入github仓库，进行下载即可（这部分可以用git指令，或者下载成zip压缩包解压后使用都可以）

    在这里插入图片描述

    6：我在这里就直接下载压缩包，解压，用Pycharm打开项目，目录的展开情况如下。

    在这里插入图片描述在这里插入图片描述

    第7步，代码都找到了，是不是得准备下数据集了？

    我们回到 大佬的github仓库，也就是下面这个界面，往下滑，自己去学会读下面的英语内容。
    在这里插入图片描述

    8：我们先复制我 红线 画出来的地方，在pycharm中运行pip指令来下载第三方库，如果 使用作者给出的pip下载指令遇到 fail问题，建议一个包一个包下载试试。具体问题具体分析，这里就不拓展。

    git clone https://github.com/yenchenlin/nerf-pytorch.git
    cd nerf-pytorch
    pip install -r requirements.txt
    在这里插入图片描述
    在这里插入图片描述

    9：上述pip install指令 顺利执行后，可以看见每个.py文件的 import语句都没有报红，那这步就ok了
     python -m pip install tensorflow==1.31.1 -i https://pypi.douban.com/simple

    • 1

    在这里插入图片描述

    10：我们继续回到大佬的Github仓库往下看，So，we need the data because project we downloaded have no data file。

    在这里插入图片描述
    这里我们就需要自己手动创建 data文件，这里我们是一样的
    在这里插入图片描述

    11：接下来我们就需要获取数据了，点击大佬给出的链接，把里面的数据下载下来，然后跟着大佬给模板目录放就ok了（这里需要科学上网，数据另外获取方式见文末），最后成果如第3幅图（我下载的有点多了）

    在这里插入图片描述
    在这里插入图片描述
    在这里插入图片描述

    12：获取完数据后怎么办？那当然就是直接开始体验训练模型啦！！！不过得提前改个东西，不然运行不了。点击pycharm里面的run_nerf.py文件，定位到431行，我们可以看到该行代码意思是读取文件目录下的数据，你还记得在我们下载下来的数据叫什么名字吗？叫 nerf_llff_data 而不是 llff ，这里记得改一下，不然会报错。

    在这里插入图片描述
    改成下图所示
    在这里插入图片描述

    13：（注意里面默认你已经配置好了pycharm，GPU运行的环境，也建议使用GPU训练）没问题，开始运行吧，进入pycharm控制台，输入 -

    python run_nerf.py --config configs/{DATASET}.txt
    你可以把 {DATASET} 换成你想训练的数据集
    比如，我想渲染3d的花，就用下面的指令
    python run_nerf.py --config configs/flower.txt
    在这里插入图片描述

    14：正常的运行情况如上图所示，下图可以看到这里大佬大概训练次数是20W次，预估18,19小时（我这还是3050Ti显卡，可惜实验室4090轮不到我，凄凉）所以能有GPU就用GPU训练吧，CPU劝退。

    在这里插入图片描述

    15：另外我在训练的时候还遇到一个问题就是，我的显卡4G，大概训练4，5w次的时候显存就会爆满，运行会自动停止。需要你手动去调，重新开始。大概情况如第2个图，在停止后，log文件夹下面会生成 15w.tar 文件，这个是我训练第15w次后，显存满停下来后保存的文件，这个千万别删，不然你就得重头训练。 在log保留这个文件后，重新运行，他会从第1500001次开始训练。关注第3个图的右下角，是不是只有50000次运算剩余了。大概情况就是这些。

    在这里插入图片描述在这里插入图片描述
    在这里插入图片描述

    16：最终，终于训练完了，是不是特别激动！这里我是放在GoogleColab上训练的，就展示在上面的效果吧。训练结束在 nerf-pytorch 文件夹下面有相应的视频，（pycharm同理）

    在这里插入图片描述
    嘶，这里不能在线上传视频，需要给视频链接。到时候我会把演示结果视频上传到该平台，自行前往观看。
    b站视频讲解平台的链接，点击直达

    文末结尾

    另外上文提到的 数据需要科学上网下载，需要的话可以关注公众号，输入 nerf数据集 即可下载

    同时，训练20W次估计要2天的时间，我这里还提供了训练15W次时候的文件记录，到时候我会将项目我成功运行的项目打包，里面包含完整的 log文件以及data文件，关注公众号，输入 nerf完整项目 即可下载

    该平台只用来发文章，私信不看的噢，可以关注下方公众号留言

    另外不会有人真的用pycharm去跑nerf模型吧！！！后期如果文章效果不错，将推出，如何使用Google Colab去训练本文的nerf模型，Google Colab总而言之就是一个云上服务器，简单容易上手，而且提供Tesla t4 显卡（至少比我笔记本3050ti）好多了。

    一句话：用Google Colab训练比笔记本pycharm上训练方便、快。 就这2个字

    在这里插入图片描述

  • 相关阅读:
    JScript的编写、调试
    复数类。。
    多项式承诺：KZG
    忘记密码，如何解除Excel的限制保护？
    spring03-SpringJdbcTemplate模板技术和事务处理
    The Steps to prepare the Remote Device and necessary packages for Deep Learning
    Android音频焦点
    Vue插值语法、指令语法、单向绑定、双向绑定（详细解释）
    表单相关元素
    mysql求当月有多少天
  • 原文地址：https://blog.csdn.net/qq_40514113/article/details/128010183