在深度学习和3D图形处理领域，PyTorch3D 提供了强大的工具和接口。以下是安装 PyTorch3D 0.7.4 版本的详细步骤，适用于需要特定配置的项目。
准备工作：
1. Visual Studio 2019 C++桌面开发环境
安装 VS2019 并确保包含了C++桌面开发工具集。
2、Anaconda 环境
推荐在 Anaconda 中创建新的虚拟环境，例如 Python 3.10 版本：
```
conda create -n yourenvname python=3.10
```
3、CUDA 11.7.1
根据项目需求选择CUDA版本，确保版本与显卡驱动兼容。
当安装有多个 cuda 版本时，环境变量中的 `CUDA_PATH` 应指向所使用的CUDA版本，例如11.7。
CUDA Toolkit 可在[NVIDIA官方网站](https://developer.nvidia.com/cuda-toolkit-archive)下载。
4、安装 PyTorch
从[PyTorch官方网站](https://pytorch.org/get-started/previous-versions/)选择合适的版本进行安装。
对于CUDA 11.7，使用以下命令（如果用pip安装可能会torch.cuda.is_available()返回False）：
```
conda install pytorch==2.0.1 torchvision==0.15.2 torchaudio==2.0.2 pytorch-cuda=11.7 -c pytorch -c nvidia
```
5、安装额外必需库
```
conda install -c fvcore -c iopath -c conda-forge fvcore iopath
```
安装步骤：
一、PyTorch3D 本地安装
1. 下载指定版本的PyTorch3D
[PyTorch3D的发布页面](https://github.com/facebookresearch/pytorch3d/releases)
（如0.7.4，支持PyTorch 2.0.1。版本选择参考发布页面。
2. 修改 `pyTorch3d\setup.py` 文件：
- 注释掉 `extra_compile_args = {"cxx": ["-std=c++14"]}`
- 替换为 `extra_compile_args = {"cxx": []}`
二、CUB 安装
由于使用 CUDA toolkit 自带的CUB可能会导致编译错误：
C:/Program Files/NVIDIA GPU Computing Toolkit/CUDA/v11.8/include\cub/device/dispatch/dispatch_segmented_sort.cuh(338): error: invalid combination of type specifiers
C:/Program Files/NVIDIA GPU Computing Toolkit/CUDA/v11.8/include\cub/device/dispatch/dispatch_segmented_sort.cuh(338): error: expected an identifier
C:/Program Files/NVIDIA GPU Computing Toolkit/CUDA/v11.8/include\cub/device/dispatch/dispatch_segmented_sort.cuh(379): error: expected a member name
3 errors detected in the compilation of "D:/yourpath/pytorch3d/pytorch3d/csrc/pulsar/cuda/renderer.backward.gpu.cu".
renderer.backward.gpu.cu
建议下载与CUDA toolkit版本对应的CUB版本，如使用cudatoolkit 11.7.1对应cub-1.16.0。
[NVIDIA CUB Releases](https://github.com/NVIDIA/cub/releases)
下载后在系统环境变量中添加 变量名：CUB_HOME，指向CUB本地下载路径：\yourpath\cub-1.16.0。
三、使用 VS2019 终端安装
在VS2019的"x64 Native Tools Command Prompt for VS 2019"终端中执行以下命令：
```
set DISTUTILS_USE_SDK=1
set PYTORCH3D_NO_NINJA=1
cd \yourpath\pytorch3d
activate 你的虚拟环境
python setup.py install
```
四、CUB 版本不匹配问题处理
如果遇到CUB版本不匹配的编译错误：
CUB is now included in the CUDA Toolkit, so you no longer need to use your own checkout of CUB.
可以尝试修改CUDA Toolkit中的配置文件以忽略版本检查：
- 打开并以管理员权限编辑文件：
`C:\路径\NVIDIA GPU Computing Toolkit\CUDA\v11.7\include\thrust\system\cuda\config.h`
- 搜索找到：
`#ifndef THRUST_IGNORE_CUB_VERSION_CHECK`
更改为
`#ifdef THRUST_IGNORE_CUB_VERSION_CHECK`
- 重新编译安装。
五、验证安装：
安装成功后最后一行提示：
Finished processing dependencies for pytorch3d==0.7.4
可以通过以下命令验证PyTorch3D安装是否成功：
```
pip list | findstr pytorch3d
python
import pytorch3d
print(pytorch3d.__version__)
```
如果安装正确，上述命令应输出PyTorch3D的版本号，例如 `0.7.4`。
希望这个指南能帮助你成功安装PyTorch3D，并为你的项目提供强大的3D视觉支持。
参考：
官方安装教程：https://github.com/facebookresearch/pytorch3d/blob/main/INSTALL.md
https://blog.csdn.net/jacke121/article/details/136344356
https://blog.csdn.net/m0_61787307/article/details/129941897
https://blog.csdn.net/m0_70229101/article/details/127196699
https://blog.csdn.net/weixin_43357695/article/details/126063091
https://zhuanlan.zhihu.com/p/666359190
