Windows下3DGS环境搭建避坑实录：从CUDA版本冲突到子模块安装，我的4070Ti踩坑全记录
Windows下3DGS环境搭建避坑实录：从CUDA版本冲突到子模块安装，我的4070Ti踩坑全记录
作为一个刚接触3D Gaussian Splatting（3DGS）的Windows平台开发者，我原以为按照教程一步步操作就能顺利完成环境搭建。然而现实给了我当头一棒——从CUDA版本冲突到子模块安装失败，整个过程充满了意想不到的陷阱。本文将详细记录我在NVIDIA RTX 4070Ti显卡上搭建3DGS环境时遇到的各种问题及其解决方案，希望能帮助其他开发者少走弯路。
1. 准备工作：硬件与基础软件配置
在开始之前，确保你的系统满足以下基本要求：
- 操作系统：Windows 10/11 64位
- 显卡：NVIDIA显卡（支持CUDA）
- 存储空间：至少20GB可用空间
- 开发工具：
- Git for Windows
- Visual Studio 2019/2022（包含C++开发组件）
- Anaconda或Miniconda
我的具体配置如下：
- CPU：Intel i7-13700K
- 显卡：NVIDIA RTX 4070Ti 16GB
- 内存：32GB DDR5
- 系统：Windows 11 22H2
提示：建议在开始前创建一个系统还原点，以防环境配置出错需要回滚。
2. 初始环境搭建与第一个坑：Git子模块问题
按照常规思路，我首先克隆了官方仓库：
git clone https://github.com/graphdeco-inria/gaussian-splatting.git克隆完成后，我兴冲冲地准备进入下一步，却忽略了最关键的一点——子模块。3DGS项目依赖多个子模块，而默认的克隆命令不会自动下载这些子模块内容。
解决方案： 使用--recursive参数重新克隆：
git clone --recursive https://github.com/graphdeco-inria/gaussian-splatting.git如果已经克隆了仓库但没有子模块，可以执行以下命令补救：
git submodule update --init --recursive3. Conda环境创建与CUDA版本冲突
接下来，我按照官方文档创建conda环境：
conda env create -f environment.yml这时遇到了第一个严重问题：CUDA版本冲突。错误信息显示torch与CUDA版本不兼容。
经过排查，我发现环境文件中指定的torch版本与我的系统CUDA版本（11.7）不匹配。更复杂的是，conda虚拟环境中的CUDA与系统安装的CUDA是不同的概念。
解决方案：
- 首先检查系统CUDA版本：
nvcc --version- 根据系统CUDA版本修改environment.yml文件中的torch版本。对于CUDA 11.7，我使用了以下配置：
dependencies: - python=3.7 - pytorch=1.13.1+cu117 - torchvision=0.14.1+cu117 - torchaudio=0.13.1 - cudatoolkit=11.7- 重新创建环境：
conda env create -f environment.yml --force4. 子模块手动安装与CUDA_HOME问题
即使解决了conda环境问题，在安装子模块时又遇到了新的挑战。执行：
pip install submodules/diff-gaussian-rasterization报错提示CUDA_HOME environment variable is not set。这是因为虽然conda安装了cudatoolkit，但系统环境变量中没有设置CUDA_HOME。
解决方案：
- 首先确定CUDA安装路径（通常为
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.7） - 设置环境变量：
set CUDA_HOME=C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.7 set PATH=%CUDA_HOME%\bin;%PATH%- 验证环境变量是否生效：
echo %CUDA_HOME%- 重新尝试安装子模块。
5. 最终验证与性能测试
解决所有问题后，我使用一个小型数据集进行了测试：
python train.py -s data/example -m output在RTX 4070Ti上，训练24张图片耗时约36分钟，显存占用稳定在12GB左右。最终生成的3D模型质量令人满意，证明环境配置成功。
整个过程中，我最大的收获是理解了Windows下CUDA环境的复杂性。系统CUDA、conda cudatoolkit和环境变量之间的关系需要特别关注。建议开发者遇到问题时，先理清这些组件之间的关系，再针对性地解决。