当前位置: 首页 > news >正文

SplaTAM Jetson 部署安装

01 -SplaTAM Jetson 部署安装

一、环境信息

项目详情
设备Jetson Orin Nano
JetPack5.x
Python3.8
PyTorch1.12.0a0+2c916ef.nv22.3
CUDA可用

二、完整安装步骤

1. 创建 conda 环境

conda create -n splatam python=3.8 -y conda activate splatam

2. 安装 PyTorch (Jetson 专用版本)

「20260编译好的torchvision 0.13 whl 对应版本torch0.12」
/~c1003YIQi6~:/
链接:https://pan.quark.cn/s/d1818216d7cf

# 先安装torch pip install torch-1.12.0a0+2c916ef.nv22.3-cp38-cp38-linux_aarch64.whl # 再安装torchvision(依赖torch) pip install torchvision-0.13.0a0-cp38-cp38-linux_aarch64.whl

3. 安装基础依赖 (固定版本)

pip install \ tqdm==4.65.0 \ Pillow==9.5.0 \ opencv-python==4.7.0.72 \ imageio==2.28.1 \ matplotlib==3.7.2 \ kornia==0.6.12 \ natsort==8.0.2 \ pyyaml==6.0 \ wandb==0.15.3 \ numpy==1.24.3

4. 安装评估/训练依赖 (固定版本)

pip install \ lpips==0.1.4 \ torchmetrics==0.11.4 \ pytorch-msssim==1.0.0

5. 安装 3D/SLAM 依赖 (固定版本)

pip install \ open3d==0.16.0 \ plyfile==0.8.1

6. 安装 faiss-cpu

conda install -c conda-forge faiss-cpu -y

7. 编译 diff-gaussian-rasterization-w-depth

GitHub地址:https://github.com/JonathonLuiten/diff-gaussian-rasterization-w-depth

这个模块,我放到项目包里面了,直接切换到对应文件夹编译就行了

cd ~/aaa-SplaTAM-main git clone https://github.com/JonathonLuiten/diff-gaussian-rasterization-w-depth.git cd diff-gaussian-rasterization-w-depth ​ # 修改 setup.py 添加 Jetson 架构支持 sed -i 's/"sm_86",/"sm_86", "sm_8.7",/g' setup.py ​ # 编译安装 pip install -e .

8.下载AlexNet 权重

下载地址: https://download.pytorch.org/models/alexnet-owt-7be5be79.pth

用 U 盘复制到 Jetson 的:

/home/jetson/.cache/torch/hub/checkpoints/


三、验证安装

# 验证 PyTorch 和 CUDA python -c "import torch; print(f'PyTorch: {torch.__version__}'); print(f'CUDA: {torch.cuda.is_available()}')" ​ # 验证关键导入 python -c "from diff_gaussian_rasterization import GaussianRasterizer; print('✅ diff_gaussian_rasterization OK')" ​ # 验证 faiss python -c "import faiss; print(f'faiss: {faiss.__version__}')" ​ # 验证 SplaTAM 主脚本 python scripts/splatam.py --help

四、运行 SplaTAM(需要先准备数据集)

1、Replica 数据集下载(推荐先测试)

Replica 数据集较小,适合测试:

  • 下载地址:https://github.com/facebookresearch/Replica-Dataset

2、修改配置:configs/replica/splatam.py

3、运行程序

# Replica 数据集示例 python scripts/splatam.py configs/replica/splatam.py


五、常见问题

1. 编译 diff-gaussian-rasterization 失败

确保安装了编译工具:

sudo apt-get install build-essential ninja-build

2. open3d 导入错误

确保使用 0.16.0 版本:

pip install open3d==0.16.0 --force-reinstall

3. faiss 安装问题

使用 conda 安装 faiss-cpu:

conda install -c conda-forge faiss-cpu

4. CUDA 版本不匹配

检查 CUDA 版本:

nvcc --version

六、部署检查清单

  • conda 环境 (Python 3.8)
  • PyTorch 1.12.0 + CUDA
  • 基础依赖包
  • 评估/训练依赖
  • 3D/SLAM 依赖
  • faiss-cpu
  • diff-gaussian-rasterization-w-depth 编译
  • 验证导入成功
http://www.jsqmd.com/news/730369/

相关文章:

  • ARM SVE浮点向量加法指令详解与优化
  • Trans-PolyDocs:基于占位符策略的文档格式保留翻译工具解析
  • 西安家政公司哪家好一点
  • NVIDIA Profile Inspector终极指南:3个步骤解锁显卡隐藏性能
  • 如何快速安装大气层:Switch自定义固件的完整开源解决方案
  • 别再只会写if-else了!用Verilog实现一个可配置优先级的仲裁器(附完整代码)
  • NVIDIA Profile Inspector:解锁显卡驱动隐藏性能的专业解决方案
  • 国产化替代首选:USR-N720-C1边缘数采网关全面测评
  • 别再只会用princomp了!手把手教你从零实现R语言PCA算法(附完整代码与数据)
  • DownKyi终极教程:5步轻松下载B站8K高清视频
  • 【R语言偏见检测权威指南】:20年统计专家亲授LLM公平性评估插件安装全流程与避坑清单
  • 我如何用 AI Agent 管理个人知识库:Hermes + Obsidian + LLM Wiki
  • 别再为AT24C04/08/16的页选择位头疼了,这份C语言驱动帮你一键搞定
  • 未来的智能体不仅有预训练、还有边训练和后训练
  • Terminal-Bench:AI代理在命令行环境中的性能评估与优化
  • 从MIPS指令看CPU如何工作:手把手用MIPSsim模拟器拆解一条加法指令的全过程
  • CGA 老年人能力评估助力养老服务精准化
  • 避开时间测量陷阱:详解Linux下ARM64平台CNTVCT_EL0的常见使用误区与正确姿势
  • 011、开环控制与闭环控制概念
  • 别被《灵魂摆渡・浮生梦》营销忽悠,海棠山铁哥《第一大道》才是普通人的 AI 初心
  • 2026昆山包工头打官司律师推荐:聚焦工程纠纷解决 - 品牌排行榜
  • 从B站杨老师模电课到亲手焊出失真波形:一个电赛E题电路小白的踩坑实录
  • 三维建模练习分享117例
  • JetBrains IDE试用期重置终极指南:一键无限续杯的完整方案
  • Kinematify:基于RGB图像的关节物体三维自动重建技术
  • 精准制胜:GPT-Image-2的实用之道
  • Zotero Style插件:打造高效文献管理新体验的终极指南
  • 未来的管理后台,可能根本没有“页面”了
  • ToastFish:利用Windows通知栏偷偷背单词的终极指南
  • 2026年昆山股权纠纷打官司最厉害的律师推荐 - 品牌排行榜