3D Gaussian Splatting Windows 部署完整指南

概述

本文档记录了 3D Gaussian Splatting 在 Windows 环境下的完整部署过程，包括遇到的问题、解决方案以及最终的环境配置。

系统环境

硬件配置

• 操作系统: Windows 11
• GPU: NVIDIA GPU (支持 CUDA Compute Capability 7.0+)
• 内存: 建议 16GB+ (训练需要大量内存)
• 存储: 建议 SSD，至少 20GB 可用空间

软件版本

• Python: 3.8.20
• CUDA: 11.8
• PyTorch: 2.0.0+cu118
• Visual Studio: 2019 Community (14.29.30133)
• Anaconda: 最新版本
• Git: 最新版本

部署步骤

第一步：环境准备

1.1 安装 CUDA 11.8

# 下载并安装 CUDA 11.8 https://developer.nvidia.com/cuda-11-8-0-download-archive

1.2 安装 Visual Studio 2019 Community

# 下载地址 https://visualstudio.microsoft.com/vs/older-downloads/ # 确保安装 C++ 构建工具和 Windows SDK

1.3 验证环境

# 验证 CUDA 安装 nvcc --version # 验证 Visual Studio 编译器 where cl.exe

第二步：克隆项目

# 克隆 3D Gaussian Splatting 仓库 git clone https://github.com/graphdeco-inria/gaussian-splatting --recursive cd gaussian-splatting

第三步：创建虚拟环境

# 创建 conda 环境 conda create -n gaussian_splatting python=3.8 conda activate gaussian_splatting

第四步：安装依赖

4.1 安装 PyTorch

# 安装 PyTorch 2.0.0 + CUDA 11.8 pip install torch==2.0.0+cu118 torchvision==0.15.0+cu118 --extra-index-url https://download.pytorch.org/whl/cu118

4.2 安装其他依赖

# 安装必要的 Python 包 pip install submodules/diff-gaussian-rasterization pip install submodules/simple-knn

常见问题与解决方案

问题1：Visual Studio 版本冲突

错误信息：

Microsoft Visual C++ 14.0 is required

解决方案：

# 确保安装了正确版本的 Visual Studio 2019 # 并且在环境变量中设置了正确的路径 set "VS160COMNTOOLS=C:\Program Files (x86)\Microsoft Visual Studio\2019\Community\Common7\Tools\"

问题2：CUDA 路径问题

错误信息：

CUDA_HOME environment variable is not set

解决方案：

# 设置 CUDA 环境变量 set CUDA_HOME=C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8 set PATH=%CUDA_HOME%\bin;%PATH%

问题3：中文路径问题

错误信息：

UnicodeDecodeError: 'gbk' codec can't decode

解决方案：

• 确保项目路径中不包含中文字符
• 使用英文路径，如 C:\Projects\gaussian-splatting

问题4：GLM 库缺失

错误信息：

fatal error C1083: Cannot open include file: 'glm/glm.hpp'

解决方案：

# 手动下载并配置 GLM 库 # 1. 下载 GLM: https://github.com/g-truc/glm/releases # 2. 解压到 C:\glm # 3. 设置环境变量 set GLM_ROOT=C:\glm

验证安装

运行测试

# 下载测试数据集 # 运行训练脚本 python train.py -s <path_to_scene> -m <output_path> # 运行推理脚本 python render.py -m <trained_model_path>

性能基准

在我们的测试环境中（RTX 3080，32GB RAM）：

场景	训练时间	渲染速度	内存占用
室内小场景	~30分钟	60+ FPS	~8GB
室外大场景	~2小时	30+ FPS	~16GB

最佳实践

1. 环境管理

• 使用独立的 conda 环境避免包冲突
• 定期备份工作环境

2. 数据准备

• 确保输入图像质量良好
• 相机标定数据准确

3. 训练优化

• 根据 GPU 内存调整 batch size
• 使用混合精度训练节省内存

总结

通过以上步骤，你应该能够在 Windows 环境下成功部署 3D Gaussian Splatting。关键是确保所有依赖版本的兼容性，特别是 CUDA、PyTorch 和 Visual Studio 的版本匹配。

如果在部署过程中遇到其他问题，建议：

1. 检查官方 GitHub Issues
2. 确认硬件兼容性
3. 查看详细的错误日志

参考资料

• 3D Gaussian Splatting 官方仓库
• CUDA 安装指南
• PyTorch 安装指南

---

本指南基于实际部署经验总结，如有问题欢迎交流讨论！