gsplat 高斯溅射渲染库安装部署教程Windows / Linux / macOS 全平台完整配置指南【免费下载链接】gsplatCUDA accelerated rasterization of gaussian splatting项目地址: https://gitcode.com/GitHub_Trending/gs/gsplatgsplat 是一个 CUDA 加速的高斯溅射Gaussian Splatting渲染库提供 Python 绑定把辐射场场景的投影、排序与光栅化全部下放到 GPU实现实时渲染。这份教程带你在 Windows、Linux、macOS 上从空环境装到跑通验证代码每步都给出预期结果全程复制粘贴即可走完。环境摸底装 gsplat 高斯溅射渲染库前要确认什么依赖项最低版本推荐版本是否必需备注Python3.93.10 / 3.11必需PyTorch 2.7 的要求PyTorch2.72.9.1必需先装1.6.0 的 setup.py 硬性要求 torch2.7NVIDIA 驱动-nvidia-smi 显示 CUDA 12.6必需NVIDIA GPU决定能装哪个 CUDA 版本的 torchCUDA Toolkitnvcc11.812.6必需编译路径PyPI 的 JIT 编译和源码编译都要 nvccVisual Studio Build Tools 2022MSVC v143v143不行再补 v142Windows 编译必需勾选使用 C 的桌面开发工作负载ninja / numpy / jaxtyping / rich-随包解析自动pip 从 gsplat 依赖自动安装打开终端用下面 4 条命令摸底python --version nvidia-smi python -c import torch; print(torch.__version__, torch.version.cuda) 2/dev/null || echo torch 未安装 uname -m预期前两条分别输出 Python 3.10.x 与显卡型号、驱动支持的 CUDA 版本macOS 没有 nvidia-smi跳过该条即可。选哪条路30 秒定下安装方式你的情况路径推荐等级NVIDIA GPU 机器想最快跑起来PyPI 安装首次 import 时 JIT 编译 CUDA 代码⭐ 首选要跑 examples、要改代码克隆源码安装时直接编译️ 进阶Windows 上不想等首次 import 编译PyPI 源码包安装即编译⚡ 最快路径 A⭐ 首选pip install gsplat路径 B️ 进阶git clone https://gitcode.com/GitHub_Trending/gs/gsplat cd gsplat pip install .路径 C⚡ Windows 推荐pip install --no-binarygsplat gsplat --no-cache-dir分平台安装实操Windows激活 Visual Studio 编译器环境再装1. 安装 Visual Studio Build Tools 2022 与 CUDA Toolkit从微软官网安装 Build Tools 2022勾选使用 C 的桌面开发工作负载含 MSVC v143 与 Windows SDK再从 NVIDIA 官网装 CUDA Toolkit 12.6。预期新终端执行 nvcc --version 输出 release 12.6且 C:\Program Files (x86)\Microsoft Visual Studio\2022\BuildTools\VC\Auxiliary\Build\vcvars64.bat 存在。完整说明见 docs/INSTALL_WIN.md。2. 创建 conda 环境并装 PyTorchconda create -n gsplat python3.10 -y conda activate gsplat pip install torch2.9.1预期pip 以 Successfully installed torch-2.9.1 结束python -c import torch; print(torch.cuda.is_available()) 输出 True。3. 激活编译器环境关键一步路径含空格注意引号转义cd C:\Program Files (x86)\Microsoft Visual Studio\2022\BuildTools\VC\Auxiliary\Build vcvars64.bat预期终端提示符变化执行 cl 输出 MSVC 版本信息。若编译报 v143 不兼容在同一目录执行 vcvarsall.bat x64 -vcvars_ver14.29 切到 VS2019 工具集需已装 v142。4. 安装 gsplat复制上方选哪条路中路径 C或路径 A的命令块执行。预期终端出现 ninja 编译进度最后输出 Successfully installed gsplat-x.y.z走路径 A 则此步秒过编译推迟到首次 import。Linux指定 CUDA 版本安装与发行版差异1. 确认驱动nvidia-smi预期右上角 CUDA Version 不低于 12.6这是驱动上限低于就先升驱动。2. 安装系统编译依赖按发行版三选一# Ubuntu / Debian sudo apt update sudo apt install -y build-essential g ninja-build# CentOS / RHEL sudo yum groupinstall -y Development Tools sudo yum install -y ninja-buildArch 系Arch / Manjaro基础镜像自带 gcc、g、make、ninja跳过此步。3. 创建环境并装 PyTorchconda create -n gsplat python3.10 -y conda activate gsplat pip install torch2.9.1同时安装 CUDA Toolkit 12.6官方 runfile 或发行版源均可。预期nvcc --version 输出 release 12.6与 torch.version.cuda 同大版本。4. 安装 gsplat复制上方选哪条路中路径 A 或路径 B 的命令块执行容器或共享机内存紧张时在命令前加 MAX_JOBS2 降低编译并行度。预期路径 B 编译数分钟后输出 Successfully installed gsplat-x.y.z。macOSApple Silicon 指定 arm64 架构编译1. 确认芯片架构uname -m预期arm64 为 Apple Siliconx86_64 为 Intel。2. Apple Silicon 设置架构标志位Intel 跳过export ARCHFLAGS-arch arm643. 创建环境并装 PyTorchconda create -n gsplat python3.10 -y conda activate gsplat pip install torch2.9.14. 克隆源码编译安装复制上方路径 B 的命令块执行在 gsplat 目录内完成 pip 安装。预期build 脚本在 M 系列芯片上自动附加 -arch arm64最后输出 Successfully installed gsplat-x.y.z。Mac 没有 CUDA此路径只编译 CPU 代码适合读代码与调试接口正式训练请换 NVIDIA GPU 机器。冒烟验证5 行代码确认 gsplat 高斯溅射渲染库可用在激活了 gsplat 环境的终端执行python -c import gsplat, torch; print(gsplat.__version__); print(torch.cuda.is_available())成功标志输出两行第一行是版本号如 1.6.0第二行是 TruemacOS 上允许 False。走路径 A 时首次 import 会现场 JIT 编译等几分钟属正常现象。输出与上述不一致直接跳到下一节排查。高频问题速查现象原因解法import gsplat 报找不到 ninja / cl.exe走 JIT 编译但编译环境没激活Windows 重开终端先跑 vcvars64.bat 再 import或改走路径 C 在安装期编译torch.cuda.is_available() 为 False装到 CPU 版 torch 或驱动过旧pip install --force-reinstall torch2.9.1再用 nvidia-smi 确认驱动no kernel image is executed for my architecturetorch 的 CUDA 版本超过驱动支持上限对照 nvidia-smi 右上角版本改装对应 wheelpython -c import torch; print(torch.version.cuda) 复查编译时被 OOM killninja 并行度过高安装命令前加 MAX_JOBS2路径 B 写成 MAX_JOBS2 pip install .pip 报 permission denied写入系统 Python 受保护目录新建 conda/venv 环境重装或临时 pip install --user gsplatWindows 下 MSVC v143 编译报错工具集版本不兼容vcvarsall.bat x64 -vcvars_ver14.29 切 v142 工具集后重新安装Mac 上 import 报架构不匹配编译时未走 arm64export ARCHFLAGS-arch arm64 后重装下一步跑通第一个训练cd examples pip install -r requirements.txt python simple_trainer.py完整依赖清单见 examples/requirements.txt想玩 3DGUT读 docs/3dgut.md配套演示在 examples/simple_viewer_3dgut.py参与开发前先看 docs/DEV.md环境搭好之后挑一个训练脚本跑起来剩下的事就都是调参了 【免费下载链接】gsplatCUDA accelerated rasterization of gaussian splatting项目地址: https://gitcode.com/GitHub_Trending/gs/gsplat创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
