<think>我们根据给定的命令步骤来创建两个Conda环境：splinegs 和 unidepth_splinegs。 注意：原命令中使用了export设置环境变量，这在Windows的Anaconda Prompt中可能不适用，因此我们将为Windows和Linux/macOS分别提供方法。 由于用户已经安装了PyCharm和Anaconda，我们将详细说明在Anaconda Prompt（Windows）或终端（Linux/macOS）中执行的步骤。 步骤分为两部分： 第一部分：创建splinegs环境并安装依赖 第二部分：创建unidepth_splinegs环境并安装依赖 注意：原命令中使用了两个不同的CUDA版本（11.7和12.1），这可能会导致冲突。我们将按原命令执行，但请注意在实际操作中确保环境隔离。 由于原命令中使用了bash脚本编译，在Windows上可能需要额外的步骤（比如使用Git Bash来运行bash脚本），我们将分别说明。 我们假设用户已经安装了Git，并且已经将Git Bash（Windows）或终端（Linux/macOS）配置好。 以下步骤将详细说明如何创建这两个环境。 </think> ### 创建 Conda 环境的完整步骤详解 根据您提供的命令序列，以下是创建两个独立 Conda 环境的详细步骤和原理说明： #### 第一步：克隆仓库并进入目录 ```bash # 克隆仓库（包含所有子模块） git clone https://github.com/KAIST-VICLab/SplineGS.git --recursive cd SplineGS ``` #### 第二步：创建并配置 splinegs 环境 ```bash # 创建 Python 3.7 环境 conda create -n splinegs python=3.7 -y conda activate splinegs # 设置 CUDA 环境变量（Linux/macOS） export CUDA_HOME=$CONDA_PREFIX export LD_LIBRARY_PATH=$CONDA_PREFIX/lib # Windows 等效命令（在 Anaconda Prompt 中执行）： # set CUDA_HOME=%CONDA_PREFIX% # set PATH=%CONDA_PREFIX%\bin;%PATH% # 安装 PyTorch 1.13.1 和 CUDA 11.7 conda install pytorch==1.13.1 torchvision==0.14.1 torchaudio==0.13.1 pytorch-cuda=11.7 -c pytorch -c nvidia -y # 安装 CUDA 工具包 conda install nvidia/label/cuda-11.7.0::cuda -y conda install nvidia/label/cuda-11.7.0::cuda-nvcc -y conda install nvidia/label/cuda-11.7.0::cuda-runtime -y conda install nvidia/label/cuda-11.7.0::cuda-cudart -y # 安装项目依赖 pip install -e submodules/simple-knn pip install -e submodules/co-tracker pip install -r requirements.txt ``` #### 第三步：创建并配置 unidepth_splinegs 环境 ```bash # 退出当前环境 conda deactivate # 创建 Python 3.10 环境 conda create -n unidepth_splinegs python=3.10 -y conda activate unidepth_splinegs # 安装基础依赖 pip install -r requirements_unidepth.txt # 安装系统工具（Linux 特定） conda install -c conda-forge ld_impl_linux-64 -y # 设置 CUDA 环境变量 export CUDA_HOME=$CONDA_PREFIX export LD_LIBRARY_PATH=$CONDA_PREFIX/lib # Windows 等效： # set CUDA_HOME=%CONDA_PREFIX% # set PATH=%CONDA_PREFIX%\bin;%PATH% # 安装 CUDA 12.1 工具包 conda install nvidia/label/cuda-12.1.0::cuda -y conda install nvidia/label/cuda-12.1.0::cuda-nvcc -y conda install nvidia/label/cuda-12.1.0::cuda-runtime -y conda install nvidia/label/cuda-12.1.0::cuda-cudart -y conda install nvidia/label/cuda-12.1.0::libcusparse -y conda install nvidia/label/cuda-12.1.0::libcublas -y # 编译 UniDepth 扩展 cd submodules/UniDepth/unidepth/ops/knn bash compile.sh cd ../../../../../ cd submodules/UniDepth/unidepth/ops/extract_patches bash compile.sh cd ../../../../ ``` #### 第四步：完成安装 ```bash # 安装 UniDepth 模块 pip install -e submodules/UniDepth # 创建检查点目录 mkdir -p submodules/mega-sam/Depth-Anything/checkpoints ``` ### 关键原理说明 1. **环境隔离的必要性**： - `splinegs` 环境使用 PyTorch 1.13.1 + CUDA 11.7 - `unidepth_splinegs` 环境使用 CUDA 12.1 - 两个环境需要不同的 CUDA 版本，因此必须分开 2. **CUDA_HOME 设置**： ```bash export CUDA_HOME=$CONDA_PREFIX ``` - 将 CUDA 路径指向 Conda 环境内部 - 避免系统级 CUDA 版本冲突 - 确保编译器使用正确的 CUDA 工具链 3. **LD_LIBRARY_PATH 作用**： ```bash export LD_LIBRARY_PATH=$CONDA_PREFIX/lib ``` - 指定运行时库搜索路径 - 确保程序加载 Conda 环境内的 CUDA 库 - Windows 对应设置是修改 PATH 环境变量 4. **编译脚本作用**： - `compile.sh` 脚本通常包含： ```bash #!/bin/bash python setup.py build_ext --inplace ``` - 编译 C++/CUDA 扩展为 Python 可导入模块 - `--inplace` 参数将生成的 .so/.pyd 文件放在源码目录 ### 环境验证脚本 创建 `verify_envs.py` 检查环境配置： ```python import sys import torch import subprocess def check_env(env_name, required_torch=None, required_cuda=None): """检查指定环境的配置""" print(f"\n{'='*50}") print(f"验证 {env_name} 环境") print('='*50) # 检查Python版本 py_version = sys.version.split()[0] print(f"Python 版本: {py_version}") # 检查PyTorch和CUDA if torch.__version__: print(f"PyTorch 版本: {torch.__version__}") print(f"CUDA 可用: {torch.cuda.is_available()}") if torch.cuda.is_available(): print(f"CUDA 版本: {torch.version.cuda}") print(f"GPU 设备: {torch.cuda.get_device_name(0)}") # 验证版本要求 if required_torch and torch.__version__ != required_torch: print(f"❌ PyTorch 版本不匹配: 需要 {required_torch}, 实际 {torch.__version__}") if required_cuda and torch.version.cuda != required_cuda: print(f"❌ CUDA 版本不匹配: 需要 {required_cuda}, 实际 {torch.version.cuda}") else: print("❌ PyTorch 未安装") def check_module(module_name): """检查模块是否可导入""" try: __import__(module_name) print(f"✅ {module_name} 可正常导入") return True except ImportError as e: print(f"❌ 导入 {module_name} 失败: {str(e)}") return False if __name__ == "__main__": # 检查 splinegs 环境 check_env("splinegs", "1.13.1", "11.7") check_module("simple_knn") check_module("co_tracker") # 检查 unidepth_splinegs 环境 # 注意：实际使用中需要先切换环境 # 这里仅演示检查逻辑 print("\n切换环境后请重新运行此脚本验证 unidepth_splinegs") print("或在 unidepth_splinegs 环境中执行: python verify_envs.py") ``` ### 使用说明 1. **执行顺序**： ```bash # 在项目根目录执行 source verify_envs.sh # Linux/macOS # 或 .\verify_envs.ps1 # Windows PowerShell ``` 2. **环境切换**： ```bash # 处理 SplineGS 部分 conda activate splinegs python main_splinegs.py # 处理 UniDepth 部分 conda activate unidepth_splinegs python main_unidepth.py ``` 3. **常见问题解决**： - **编译错误**：确认 `$CUDA_HOME/bin` 在 PATH 中 - **导入错误**：尝试 `pip install -e . --force-reinstall` - **CUDA 不匹配**：使用 `conda list | grep cuda` 检查版本