torchsparse安装问题记录

最近因为在尝试NeuralRecon复现，安装torchsparse的时候遇到了诸多问题。逛csdn的时候发现相关资料较少，所以在这里开帖一一记录~

1. 系统环境

系统：WSL-Linux (Windows上官方的linux虚拟机）

显卡：GTX1660Ti笔记本版

cudatoolkit: 10.2.89

选择WSL的原因属实是Windows Anaconda安装torchsparse一直报错且不知道原因（后来发现应该也是可以安装的）。也尝试过Oracle VirtualBox，但是发现如果要用物理机的显卡就需要gpu直通，看起来太复杂所以放弃了。最后发现windows居然有官方的虚拟机。

设置 WSL 开发环境 | Microsoft Docs

2. 安装问题

2.0.        torchsparse相关信息

https://github.com/mit-han-lab/torchsparse

torchsparse是由MIT与Cornell的研究人员共同编写的一个稀疏卷积网络。原论文如下：

​​​​​​TorchSparse: Efficient Point Cloud Inference Engine (mit.edu)

2.1.        subprocess.CalledProcessError: Command ‘[‘ninja‘, ‘-v‘]‘ returned non-zero exit status 1.

网上的答案大多是改成--v，或者--version，但之后就会缺.o编译文件。我本来以为这是个绝路，没想到经过gcc/g++降级，以及在安装时使用:

MAX_JOBS=2 pip install -v git+https://gitclone.com/github.com/mit-han-lab/torchsparse.git

问题就奇迹般消失了。

gcc/g++降级是因为compile log里面说unsupported GNU version. gcc versions later than 8 are not supported，所以将gcc降级到了7。注意gcc与g++都要降级。

linux gcc和g++降级方法_南洲.的博客-CSDN博客_g++降级

不得不说，查看compile log真的是一个好习惯。

2.2.        安装后运行demo.py提示没有NVIDIA GPU

WSL系统中，如果本身的windows系统有gpu的话，WSL系统也是可以共享gpu的。

上述提示的原因可能是安装torchsparse的时候，没有发现cudatoolkit，所以安装了cpu版本的torchsparse。安装操作非常简单，只需要在WSL中安装NVIDIA_cuda_toolkit (自己找合适版本）。

​​​​​​Ubuntu 20.04 安装 CUDA Toolkit 的三种方式 - klchang - 博客园 (cnblogs.com)

推荐方式二。如果没有图形界面就不需要装图形驱动。

这个NVIDIA_cuda_toolkit与miniconda中装的cudatoolkit似乎是两个东西，但总之，只在miniconda中装了cudatoolkit是没有用的。

2.3.        国内无法访问github

可以使用github的国内镜像。在github.com前加gitclone.com/就可以了。比如https://github.com/mit-han-lab/torchsparse可以改成https://gitclone.com/github.com/mit-han-lab/torchsparse

先码住，之后的慢慢写啦。

最后

以上就是标致百合为你收集整理的torchsparse安装问题记录的全部内容，希望文章能够帮你解决torchsparse安装问题记录所遇到的程序开发问题。

如果觉得靠谱客网站的内容还不错，欢迎将靠谱客网站推荐给程序员好友。