Vor wenigen Tagen hat Facebook AI die Open-Source-Bibliothek PyTorch3D veröffentlicht. PyTorch3D ist eine modulare und optimierte Bibliothek mit einzigartigen Fähigkeiten, die entwickelt wurde, um das 3D Deep Learning mit PyTorch zu erleichtern. PyTorch3D bietet eine Reihe von häufig verwendeten 3D-Operatoren und Funktionen für 3D-Daten.
Sie haben es eilig? Dann speichern Sie diesen Blogartikel von R23 als PDF
Brauchen Sie den Inhalt dieses Artikels “Einrichtung PyTorch3D” schnell und bequem? Dann speichern Sie ihn doch einfach als PDF!
Ich habe hier im r23:Blog die PyTorch3D Installation unter Windows beschrieben. Diese ist relativ kompliziert und etwas sehr umständlich.
Ich installiere uns PyTorch3D nun auf einem Linux Rechner.
Dieser Artikel erfordert mehr Erfahrung im Umgang mit Linux und ist daher nur für fortgeschrittene Benutzer gedacht.
Dieses Tutorial ist als praktischer Leitfaden gedacht und behandelt keine theoretischen Hintergründe. Diese werden in einer Vielzahl von anderen Dokumenten im Internet behandelt.
Für die Richtigkeit der Inhalte dieses Tutorials gebe ich keinerlei Garantie. Der hier gezeigte Weg ist nicht der einzige um ein solches System aufzusetzen, es ist lediglich, der, den ich bevorzuge.
Installation Anaconda
Für Linux habe ich die Installation hier https://blog.r23.de/how-to-setup/installation-python-anaconda-und-tensorflow/ beschrieben.
bash Anaconda3-2020.02-Linux-x86_64.sh
Es ist relativ schnell installiert.
PyTorch3D Umgebung einrichten
conda create -n pytorch3d python=3.8 anaconda
Wir aktivieren die Umgebung
conda activate pytorch3d
Die Umgebung benötigt weitere Pakte
conda install -c pytorch pytorch torchvision cudatoolkit=10.2
und
conda install -c conda-forge -c fvcore fvcore
PyTorch3D installieren
Wenn Sie in Ihrem Linux Rechner eine aktuelle NVIDIA Grafikkarte verwenden, können Sie für die Installation Anaconda verwenden.
conda install pytorch3d -c pytorch3d
Ohne NVIDIA Grafikkarte verwenden wir
pip install pytorch3d
Tutorials
Facebook AI Research hat einige Tutorial-Notebooks zur Verfügung gestellt, um Ihnen den Einstieg in PyTorch3D zu erleichtern. Sehen Sie sich diese 4 Notizbücher an.
Links
Beispiele


https://github.com/facebookresearch/pytorch3d/blob/master/docs/tutorials/bundle_adjustment.ipynb


Links
https://ai.facebook.com/blog/-introducing-pytorch3d-an-open-source-library-for-3d-deep-learning/
Jetzt sind Sie gefragt!
Haben Sie Anregungen, Ergänzungen, einen Fehler gefunden oder ist dieser Beitrag nicht mehr aktuell? Dann freue ich mich auf Ihren Kommentar.
Sie können diesen Beitrag natürlich auch weiterempfehlen. Ich bin Ihnen für jede Unterstützung dankbar!
Schreiben Sie einen Kommentar