3DGS环境配置和初步复现记录 （实验室远程训练——Ubuntu20.04）

1. 准备工作

确保你的机器满足以下条件：

• 操作系统：Ubuntu 20.04 LTS
• NVIDIA显卡，驱动版本≥470，CUDA能力≥7.0
• SSH远程访问权限（实验室服务器场景）
• 已安装Anaconda/Miniconda

2. 安装CUDA与conda环境

推荐使用conda隔离环境，避免依赖冲突。执行以下命令：

    conda create -n 3dgs python=3.8conda activate 3dgsconda install cudatoolkit=11.6 -c nvidia  

验证CUDA：nvcc --version

3. 克隆3DGS源码并安装依赖

    git clone https://github.com/graphdeco-inria/gaussian-splatting.git --recursivecd gaussian-splattingconda env create -f environment.yml  # 会自动创建名为gaussian_splatting的conda环境  

如果遇到网络问题，可使用代理或手动下载依赖。

4. 编译子模块

进入子模块目录编译：

    conda activate gaussian_splattingpip install submodules/simple-knnpip install submodules/diff-gaussian-rasterization  

若编译失败，检查CUDA路径是否正确，或安装gcc/g++（sudo apt install build-essential）。

5. 准备训练数据

官方推荐使用Tanks&Temples或Mip-NeRF360数据集。也可以用自己的COLMAP结果。下面以下载小样本Truck为例：

    wget https://storage.googleapis.com/gresearch/refraw360/360_extra_scenes.zipunzip 360_extra_scenes.zip -d data/  

或者使用项目提供的脚本将COLMAP输出转换为3DGS格式：

    python convert.py -s   

6. 开始训练

在远程服务器上，建议使用tmux或screen保持会话。训练命令：

    python train.py -s data/360_extra_scenes/truck -m output/truck --eval  

训练过程会保存点云和模型文件，可用TensorBoard监控损失：

    tensorboard --logdir output/truck  

7. 可视化结果

官方提供了基于SIBR的交互式查看器，需要额外编译。也可以直接渲染视频：

    python render.py -m output/truck  

生成的图片和视频位于output/truck/renders目录。

8. 远程训练技巧

• 使用nohup或tmux防止会话断开。
• 定期同步输出文件到本地：rsync -avz user@server:~/gaussian-splatting/output/ ./local_output/
• 监控GPU状态：watch -n 1 nvidia-smi
• 如果内存不足，可减少--data_device或使用CPU预处理数据。

常见问题

❌编译diff-gaussian-rasterization失败：安装libopenexr-dev、libboost-all-dev，或检查CUDA版本兼容性。❌训练时报显存不足：降低批量大小（--batch_size）或使用更小的图像分辨率。❌远程训练无法渲染：设置--disable_viewer，仅训练不启动GUI。

至此，你已经完成了3DGS环境配置与初步复现！ 后续可以尝试自定义数据集或调整参数进一步探索。