linux上怎样安装diff-gaussian-rasterization（研一菜鸟，记录一下花半天时

在 Linux 上装 diff-gaussian-rasterization：CUDA 版本切换与 glm 缺失的坑

复现 3D Gaussian Splatting 类论文时，pip install submodules/diff-gaussian-rasterization 这一步经常编译失败。核心原因多半不是代码问题，而是驱动版本、CUDA 版本、conda 虚拟环境里 torch 编译时所依赖的 CUDA 三者不对齐。这篇记录一次完整排查：从报错现象 → 定位到 CUDA 版本 → 在 WSL 里装 CUDA 11.1 并切换 → 解决 glm/glm.hpp: No such file or directory。

一、先说症状

在服务器上跑 pip install submodules/diff-gaussian-rasterization，编译直接挂掉。这台机器驱动是 CUDA 12.0，本地也是 CUDA 12.0，但 Anaconda 新建的虚拟环境里，pytorch 编译时用的其实不是虚拟环境里那份 cudatoolkit=11.1，而是直接链接到了系统本地的 CUDA 12.0。

按常规思路应该装一套新 CUDA，但装新 CUDA 要管理员权限——服务器你不一定有。这种情况下，换到本机 WSL 上做实验往往更省事。

二、下载安装 CUDA 11.1

在 WSL（Ubuntu）里跑官方 runfile：

wget https://developer.download.nvidia.com/compute/cuda/11.1.0/local_installers/cuda_11.1.0_455.23.05_linux.run
sudo sh cuda_11.1.0_455.23.05_linux.run

交互步骤：

• 选 Continue
• 输入 accept
• 在组件列表里取消勾选 Driver（如果没有这个选项就默认已取消）——本机的 NVIDIA 驱动已经有了，再装一遍容易把驱动装坏

装完 /usr/local/cuda-11.1 就在了。

三、切换 CUDA 版本

网上很多帖子说改软链接让 nvcc -V 认到 11.1，实测改完还是显示 12.0——因为 PATH 里先命中了别的路径。最稳的办法是在 ~/.bashrc 末尾把老的 CUDA 声明注释掉，重新声明 11.1：

vim ~/.bashrc

把原来 CUDA 12.0 那几行 export 掉，改成：

export PATH="/usr/local/cuda-11.1/binPATH"
export LD_LIBRARY_PATH="/usr/local/cuda-11.1/lib64LD_LIBRARY_PATH"
export LIBRARY_PATH="/usr/local/cuda-11.1/lib64LIBRARY_PATH"

刷新并验证：

source ~/.bashrc
nvcc -V

显示 Cuda compilation tools, release 11.1 即切换成功。注意新开终端也要 source 一次，或者让 .bashrc 每次登录自动跑。

四、安装 pytorch 并确认 torch 能用 GPU

在 conda 虚拟环境里装好和 CUDA 11.1 对应的 torch（pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu111 一类的命令），然后务必验证一次：

python -c "import torch; print(torch.__version__); print(torch.cuda.is_available()); print(torch.version.cuda)"

能打印出版本号，且 is_available() 是 True，才继续往下。这一步跳过去，后面编译的报错会很莫名。

五、diff-gaussian-rasterization 编译报 glm 找不到

回到正题，在虚拟环境里执行：

pip install submodules/diff-gaussian-rasterization

报： fatal error: glm/glm.hpp: No such file or directory。这是编译期缺 OpenGL Mathematics 头文件库，不是代码问题。装一下即可：

sudo apt-get install libglm-dev

装完重新跑那条 pip 命令，编译通过，装上了。这类 "No such file or directory" 指向头文件时，第一反应就是缺 dev 包，比死磕编译参数快得多。

六、排查顺序总结

• 先看 torch 到底链的是哪份 CUDA：torch.version.cuda 与 nvcc -V 对照，不一致就是版本错配。
• 再确认驱动能带得动：nvidia-smi 右上角显示的 CUDA Version 是驱动支持的上限，不能低于要编译的版本。
• 虚拟环境里设 LD_LIBRARY_PATH：只改 PATH 不改动态库搜索路径，运行时还是可能加载到旧的 12.0。
• 头文件缺失：报 xxx/xxx.h: No such file 就找对应的 -dev 包装。

整套折腾下来大约半天，基本都在等下载和编译。换环境前先把这套版本对应关系理顺，能省下大量无头苍蝇式的试错。

qidao123.com企服评测-应用市场 编辑提示