tiny 简介

#

项目地址

This is a small, self-contained framework for training and querying neural networks. Most notably, it contains a lightning fast “fully fused” multi-layer perceptron (technical paper), a versatile multiresolution hash encoding (technical paper), as well as support for various other input encodings, losses, and optimizers.

总而言之就是NVIDIA的加速库，不少论文或者项目的实现会使用到。

安装注意事项

#

最简单的安装方式是：

pip install git+https://github.com/NVlabs/tiny-cuda-nn/#subdirectory=bindings/torch

但是由于依赖问题，成功率并不是特别高，可能会出现找不到 crtdefs.h 等头文件等问题tiny对msvc和cuda版本都有较为精确的要求，可以参考下面的配置结合实际情况调整

我的配置：

• NVIDIA RTX3060
• CUDA 12.1

在 Windows 平台上 tiny-cuda-nn 依赖 MSVC 编译器，而 MSVC 依赖 Visual Studio Build Tools 或完整版 Visual Studio。

Visual Studio C++ 编译环境

#

通过Visual Studio Installer 进行安装时需要勾选工作负载 “使用 C++ 的桌面开发” (Desktop development with C++) 以及下面这些单个组件

• MSVC v143（或 v142）x64/x86 Build Tools
• Windows 10 SDK（10.0.19041 或更高
• 最新的 C++ CMake Tools for Windows（应该是可选）
• MSVC C++ 核心功能

注意使用 VS 2019 或 VS 2022 更老版本（v141 以下）可能导致问题。

• 安装完后，确保 cl.exe 可用：

  cl
  

  如果提示版本号就正常，否则要运行：

  "C:\Program Files\Microsoft Visual Studio\2022\BuildTools\VC\Auxiliary\Build\vcvars64.bat"
  

CUDA 工具链

#

• 安装 完整的 CUDA Toolkit（与 PyTorch 编译版本一致，例如 cu121 对应 CUDA 12.1 Toolkit）。

• 安装路径建议不要有空格，比如：

  C:\CUDA\Toolkit
  

• 编译时确保 nvcc --version 可用：

  nvcc --version
  

• 通常编译参数里会自动包含显卡架构，我的RTX3060对应 sm_86，如果不行，可手动指定：

  set TCNN_CUDA_ARCHITECTURES=86
  

  然后继续你安装你的torch和conda环境 直到编译安装tiny

  pip install git+https://github.com/NVlabs/tiny-cuda-nn/#subdirectory=bindings/torch
  

组合总结

#

附：

#

如果只用 PyTorch，不编译额外组件是不需要单独安装完整 CUDA Toolkit，直接用 PyTorch 官方的 “自带 CUDA” 版本。

• 安装示例（CUDA 12.1 版），直接去官网复制命令也行

  pip install torch==2.4.0+cu121 torchvision==0.19.0+cu121 --index-url https://download.pytorch.org/whl/cu121
  

但是我们这次需要额外编译 tiny ，是所以需要完整的工具包（你可以理解为torch自带的是runtime）