目录
- 一、获取源码
- 二、环境
- 三、准备数据集
- 1.下载数据集
- 方法一：官方命令
- 方法二：官网下载数据集
- 2.修改配置
- 四、开始训练
- 1.更改迭代次数
- 2.开始训练
- 方法一：
- 方法二：
- 3.使用预训练模型
- 五、NeRF源码学习
一、获取源码
git clone https://github.com/bmild/nerf.git
cd nerf
二、环境
conda虚拟环境里实现
conda create -n nerf python=3.7
conda activate nerf
pip install torch==1.7.1+cu110 torchvision==0.8.2+cu110 torchaudio==0.7.2 -f https://download.pytorch.org/whl/torch_stable.html
进入nerf项目中，将requirements.txt文件中修改为（注释前两行）
然后执行：
pip install -r requirements.txt
三、准备数据集
1.下载数据集
方法一：官方命令
bash download_example_data.sh
方法二：官网下载数据集
https://drive.google.com/drive/folders/128yBriW1IG_3NJ5Rp7APSTZsJqdJdfc1
下载好后解压放在nerf/data里面
2.修改配置
根据自己的数据路径相应的修改一下configs/fern.txt文件里的文件路径：
修改run_nerf.py里面的数据路径：
四、开始训练
1.更改迭代次数
默认为200K次
2.开始训练
方法一：
在命令行添加config的参数
python run_nerf.py --config configs/fern.txt
方法二：
在run_nerf.py里面修改config路径：
parser.add_argument('--config', is_config_file=True, default='./configs/fern.txt',
help='config file path')
然后执行：
python run_nerf.py
开始训练时运行截图：
dbq有点错位了
3.使用预训练模型
除了自己训练数据集之外，你还可以下载预训练模型
https://drive.google.com/drive/folders/1jIr8dkvefrQmv737fFm2isiT6tqpbTbv
我这里下载了flower_test，放在logs文件夹下
然后执行：
python run_nerf.py --config configs/flower.txt --render_only
开始训练时运行截图：
训练完成：
查看渲染结果 在 ./logs/flower_test/renderonly_path_100000里面：
五、NeRF源码学习
- NeRF神经辐射场学习笔记（二）—— Pytorch版NeRF实现以及代码注释 https://blog.csdn.net/weixin_44292547/article/details/126249933
- NeRF-pytorch 代码分析 https://zhuanlan.zhihu.com/p/636276084
- NeRF源码解读(pytorch实现) https://zhuanlan.zhihu.com/p/598464999?utm_id=0
