位置: IT常识 - 正文
nerf训练自己的数据，过程记录十分详细(nerf 怎么瞄准)
编辑：rootadmin推荐整理分享nerf训练自己的数据，过程记录十分详细(nerf 怎么瞄准)，希望有所帮助，仅作参考，欢迎阅读内容。
文章相关热门搜索词:nerf新手入门,nerf对战规则,nerf怎么玩,nerf新手入门,nerf训练自己的数据,nerf新手最适合哪一款,nerf新手,nerf新手,内容如对您有帮助，希望把文章链接给更多的朋友！
之前跑很多项目没有记录，后来再弄就不行了。这次特别记录一下，在梳理流程的同时希望给大家带来小小的帮助！我自己是在cuda11.2，windows环境下成功的，过程十分详细，有需要的朋友耐心看完。有问题可以评论区交流
首先，本文nerf是基于pytorch训练的，代码来源于yenchenlin大佬，GitHub地址：GitHub - yenchenlin/nerf-pytorch: A PyTorch implementation of NeRF (Neural Radiance Fields) that reproduces the results.
一、配置nerf环境在每弄一个新项目之前，建议创建一个新的环境，本文利用conda命令创建名为nerf的环境，指令如下：
conda create --name nerf -y python=3.8 #创建名为nerf的环境conda activate nerf #切换到nerf环境然后安装需要的库，都在nerf代码文件的requirements.txt里
cd nerf-pytorch #进入到你nerf的文件夹，根据自己的文件位置调整python -m pip install --upgrade pip #升级一下pip，防止莫名其妙的错误pip install -r requirements.txt #安装需要的库结束之后建议测试一下pytorch是否为GPU版本，有时候默认安装会装成CPU版本，用以下代码测试，输出版本号和True则没有问题。否则卸载安装的torch版本，用wheel离线安装。
import torchprint(torch.__version__)print(torch.cuda.is_available())然后先用作者提供的数据跑一下nerf，保证环境没有问题。这里如果用的是windows系统，需要下载Gitbash来使用linux的命令，先在代码文件夹下下载数据：
bash download_example_data.sh #下载作者提供的数据结束后在data文件夹下有个名为nerf_example_data的压缩包，解压后在nerf代码文件夹下使用如下命令开始训练：
python run_nerf.py --config configs/fern.txt二、创建llff格式的数据集接下来的步骤请务必注意文件夹的命名，未打括号说明则最好按照我的名字命名，然后注意是在哪个文件夹下操作的，否则后面训练可能找不到对应文件而报错！
先在nerf_llff_data文件夹下创建一个自己的数据文件夹，我命名为llfftest（这个名字可以自取），接着在llfftest文件夹下创建名为images的文件夹，将拍摄的图片放置到此文件夹，下面给出我的示例：
接着需要下载COLMAP软件，（地址：Release 3.8 · colmap/colmap · GitHub），拉到最下面选择cuda版本：
下载解压后打开COLMAP.bat文件得到以下界面：
然后点击File，选择New Project，继续点击new，在llfftest文件夹下手动输入文件名database.db后，点击保存：
接着点击Select，选择保存图片的那个images文件夹，点击Save：
接下来点击File右边的Processing，选择Feature extraction，出现如下界面，只需要配置第一个选项，然后点击下面Extract。
结束后点击关闭，接着点击Processing下的Feature matching，直接run即可，然后等待匹配结束。
结束后点击Processing旁边的Reconstruction，选择Start Reconstruction，等待结束。。。
结束后，点击File，选择Export model，这里一定注意不要直接保存，需要新建两个文件夹，名字很重要，请跟我保持一致！
完成后检查一下文件下的东西：
接下来，将获取的位姿等数据转化为llff格式，需要下载llff脚本，（地址：GitHub - Fyusion/LLFF: Code release for Local Light Field Fusion at SIGGRAPH 2019）
为了防止库冲突和报错，我又创建了名为llff的环境，将此项目需要的库进行安装,方法跟创建nerf环境是一样的
conda create --name llff -y python=3.8 conda activate llff pip install -r requirements.txt #在llff代码文件夹下运行然后在此环境和llff代码文件夹下运行python imgs2poses.py （红框部分改为自己的文件路径）：
结束后就能在llfftest下得到一个.npy文件：
三、训练自己的nerf首先在nerf代码中，我们要在config文件夹下创建我们自己的配置文件，只需要将config文件夹下的fern复制一份，名字改为llftest，datadir后面也改成llftest即可
然后就可以在nerf环境和nerf代码下开始训练啦，（建议用Gitbash运行）：
python run_nerf.py --config configs/llfftest.txt效果如下：
最后，如果你在训练时遇到
Mismatch between imgs 0 and poses 55 !!!! Traceback (most recent call last): File "run_nerf.py", line 878, in <module> train() File "run_nerf.py", line 544, in train spherify=args.spherify) File "C:\Users\HP\Desktop\nerf-pytorch-master\load_llff.py", line 246, in load_llff_data poses, bds, imgs = _load_data(basedir, factor=factor) # factor=8 downsamples original imgs by 8x TypeError: cannot unpack non-iterable NoneType object
可能是因为函数不兼容，解决方法是，在llfftest文件夹下新建一个images_8的文件夹，将八倍下采样的图片放到这。
下采样代码我也放出来，注意更改自己的路径：
import cv2# import def_Gaussian as dg# import timeimport os.path# import glob###################################################################################################################### 读取文件夹里面的图像数量 并返回filenumdef countFile(dir): # 输入文件夹 tmp = 0 for item in os.listdir(dir): if os.path.isfile(os.path.join(dir, item)): tmp += 1 else: tmp += countFile(os.path.join(dir, item)) return tmpfilenum = countFile("C:\\Users\\HP\\Desktop\\nerf-pytorch-master\\data\\nerf_llff_data\\llfftest\\images") # 返回的是图片的张数print(filenum)# filenumn = 8index = 1 # 保存图片编号num = 0 # 处理图片计数for i in range(1, filenum + 1): ######################################################## # 1.读取原始图片 if index < 10: filename = "C:\\Users\\HP\\Desktop\\nerf-pytorch-master\\data\\nerf_llff_data\\llfftest\\images\\" + str(i) + ".jpg" elif index < 100: filename = "C:\\Users\\HP\\Desktop\\nerf-pytorch-master\\data\\nerf_llff_data\\llfftest\\images\\" + str(i) + ".jpg" else: filename = "C:\\Users\\HP\\Desktop\\nerf-pytorch-master\\data\\nerf_llff_data\\llfftest\\images\\" + str(i) + ".jpg" print(filename) original_image = cv2.imread(filename) # 2.下采样 if n == 4: img_1 = cv2.pyrDown(original_image) img_1 = cv2.pyrDown(img_1) if n == 8: img_1 = cv2.pyrDown(original_image) img_1 = cv2.pyrDown(img_1) img_1 = cv2.pyrDown(img_1) # 3.将下采样图片保存到指定路径当中 if index < 10: cv2.imwrite("C:\\Users\\HP\\Desktop\\nerf-pytorch-master\\data\\nerf_llff_data\\llfftest\\images_8\\" + str(index) + ".jpg", img_1) elif index < 100: cv2.imwrite("C:\\Users\\HP\\Desktop\\nerf-pytorch-master\\data\\nerf_llff_data\\llfftest\\images_8\\" + str(index) + ".jpg", img_1) else: cv2.imwrite("C:\\Users\\HP\\Desktop\\nerf-pytorch-master\\data\\nerf_llff_data\\llfftest\\images_8\\" + str(index) + ".jpg", img_1) num = num + 1 print("正在为第" + str(num) + "图片采样......") index = index + 1最后的最后，本来是准备让大家看看我的结果的，但视频插入不了，那就祝各位小伙伴顺利吧。遇到什么奇奇怪怪的问题欢迎评论区讨论交流！
上一篇：service启动的正确姿势(service的启动方式及生命周期)
下一篇：深度学习第一步——Pytorch-Gpu环境配置：Win11/Win10+Cuda10.2+cuDNN8.5.0+Pytorch1.8.0(步步巨细，少走十年弯路）
