TRELLIS本地部署教程——高质量3D生成模型，告别繁琐3D建模！

TRELLIS本地部署教程——高质量3D生成模型，告别繁琐3D建模！

引用

CSDN

1.

https://m.blog.csdn.net/SJJS_1/article/details/145739808

TRELLIS是由微软联合清华和中科大推出的3D资产生成模型，能够接收文本或图像提示并生成高质量的3D资产。本文将详细介绍TRELLIS的本地部署教程，包括环境配置、软件安装、模型下载和运行等步骤，帮助读者快速上手使用这一强大的AI工具。

TRELLIS的核心是修正流变换器，能够处理SLAT的稀疏性，并在大规模3D资产数据集上进行训练，具备灵活输出格式选择和本地3D编辑功能。

核心功能：

• 高质量3D生成：它可以生成具有复杂形状和纹理细节的多样化高品质3D资产。
• 多功能性：它采用文本或图像提示，可以生成各种最终的3D表示，包括但不限于辐射场、3D高斯和网格，以满足不同的下游要求。
• 灵活编辑：它允许轻松编辑生成的3D资产，例如生成同一对象的变体或3D资产的本地编辑。

接下来就为大家奉上详细的TRELLIS本地部署教程，手把手教你如何将模型部署到你的项目中，轻松享受高性能AI带来的便利。

一、部署过程

基础环境最低要求说明：

1. 更新基础软件包

查看系统版本信息

# 查看系统版本信息，包括ID（如ubuntu、centos等）、版本号、名称、版本号ID等
cat /etc/os-release

配置apt国内源

# 更新软件包列表
apt-get update

# 安装Vim编辑器
apt-get install -y vim

为了安全起见，先备份当前的sources.list文件之后，再进行修改：

# 备份现有的软件源列表
cp /etc/apt/sources.list /etc/apt/sources.list.bak

# 编辑软件源列表文件
vim /etc/apt/sources.list

在Vim中，您可以使用方向键来移动光标，i键进入插入模式（可以开始编辑文本），Esc键退出插入模式，:wq命令保存更改并退出Vim，或:q!命令不保存更改并退出Vim。

编辑sources.list文件时，请确保您了解自己在做什么，特别是如果您正在添加新的软件源。错误的源可能会导致软件包安装失败或系统安全问题。如果您不确定，最好先搜索并找到可靠的源信息，或者咨询有经验的Linux用户。

使用Vim编辑器打开sources.list文件，复制以下代码替换sources.list里面的全部代码，配置apt国内阿里源。

deb http://mirrors.aliyun.com/ubuntu/ jammy main restricted universe multiverse
deb-src http://mirrors.aliyun.com/ubuntu/ jammy main restricted universe multiverse
deb http://mirrors.aliyun.com/ubuntu/ jammy-security main restricted universe multiverse
deb-src http://mirrors.aliyun.com/ubuntu/ jammy-security main restricted universe multiverse
deb http://mirrors.aliyun.com/ubuntu/ jammy-updates main restricted universe multiverse
deb-src http://mirrors.aliyun.com/ubuntu/ jammy-updates main restricted universe multiverse
deb http://mirrors.aliyun.com/ubuntu/ jammy-backports main restricted universe multiverse
deb-src http://mirrors.aliyun.com/ubuntu/ jammy-backports main restricted universe multiverse

安装常用软件和工具

# 更新源列表，输入以下命令：
apt-get update
# 更新系统软件包，输入以下命令：
apt-get upgrade
# 安装常用软件和工具，输入以下命令：
apt-get -y install vim wget git git-lfs unzip lsof net-tools gcc cmake build-essential

出现以下页面，说明国内apt源已替换成功，且能正常安装apt软件和工具

2. 安装NVIDIA CUDA Toolkit 12.1

• 下载CUDA Keyring：

wget https://developer.download.nvidia.com/compute/cuda/repos/ubuntu2204/x86_64/cuda-keyring_1.0-1_all.deb

这个命令用于下载CUDA的GPG密钥环，它用于验证CUDA软件包的签名。这是确保软件包安全性的一个重要步骤。

• 安装CUDA Keyring：

dpkg -i cuda-keyring_1.0-1_all.deb

使用dpkg安装下载的密钥环。这是必要的，以便apt能够验证从NVIDIA仓库下载的软件包的签名。

• 删除旧的apt密钥（如果必要）：

apt-key del 7fa2af80

这一步可能不是必需的，除非您知道7fa80是与CUDA相关的旧密钥，并且您想从系统中删除它以避免混淆。通常情况下，如果您只是安装CUDA并使用NVIDIA提供的最新密钥环，这一步可以跳过。

• 更新apt包列表：

apt-get update

更新apt的软件包列表，以便包括刚刚通过cuda-keyring添加的NVIDIA仓库中的软件包。

• 安装CUDA Toolkit：

apt-get -y install cuda-toolkit-12-1

出现以下页面，说明NVIDIA CUDA Toolkit 12.1安装成功

注意：这里可能有一个问题。NVIDIA官方Ubuntu仓库中可能不包含直接名为cuda-toolkit-12-1的包。通常，您会安装一个名为cuda或cuda-12-1的元包，它会作为依赖项拉入CUDA Toolkit的所有组件。请检查NVIDIA的官方文档或仓库，以确认正确的包名。

如果您正在寻找安装特定版本的CUDA Toolkit，您可能需要安装类似cuda-12-1的包（如果可用），或者从NVIDIA的官方网站下载CUDA Toolkit的.run安装程序进行手动安装。

请确保您查看NVIDIA的官方文档或Ubuntu的NVIDIA CUDA仓库以获取最准确的包名和安装指令。

• 出现以上情况，需要配置NVIDIA CUDA Toolkit 12.1系统环境变量
  编辑~/.bashrc文件

# 编辑 ~/.bashrc 文件
vim ~/.bashrc

插入以下环境变量

# 插入以下环境变量
export PATH=/usr/local/cuda/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH

激活~/.bashrc文件

# 激活 ~/.bashrc 文件
source ~/.bashrc

查看cuda系统环境变量

which nvcc
nvcc -V

3. 安装Miniconda

• 下载Miniconda安装脚本：

• 使用wget命令从Anaconda的官方仓库下载Miniconda的安装脚本。Miniconda是一个更小的Anaconda发行版，包含了Anaconda的核心组件，用于安装和管理Python包。

• 运行Miniconda安装脚本：

• 使用bash命令运行下载的Miniconda安装脚本。这将启动Miniconda的安装过程。

# 下载 Miniconda 安装脚本
wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh
# 运行 Miniconda 安装脚本
bash Miniconda3-latest-Linux-x86_64.sh
# 初次安装需要激活 base 环境
source ~/.bashrc

按下回车键（enter）
输入yes
输入yes
安装成功如下图所示
pip配置清华源加速

# 编辑 /etc/pip.conf 文件
vim  /etc/pip.conf

加入以下代码

[global]
index-url = https://pypi.tuna.tsinghua.edu.cn/simple

注意事项：

• 请确保您的系统是Linux x86_64架构，因为下载的Miniconda版本是为该架构设计的。
• 在运行安装脚本之前，您可能需要使用chmod +x Miniconda3-latest-Linux-x86_64.sh命令给予脚本执行权限。
• 安装过程中，您将被提示是否同意许可协议，以及是否将Miniconda初始化。通常选择"yes"以完成安装和初始化。
• 安装完成后，您可以使用conda命令来管理Python环境和包。
• 如果链接无法访问或解析失败，可能是因为网络问题或链接本身的问题。请检查网络连接，并确保链接是最新的和有效的。如果问题依旧，请访问Anaconda的官方网站获取最新的下载链接。

4. 从github仓库克隆项目

• 克隆存储库：

# 克隆项目
git clone https://github.com/Microsoft/TRELLIS

请注意，如果git clone https://github.com/Microsoft/TRELLIS.git这个链接不存在或者无效，git clone命令将不会成功克隆项目，并且会报错。确保链接是有效的，并且您有足够的权限访问该存储库。

5. 创建虚拟环境

# 创建一个名为 trellis 的新虚拟环境，并指定 Python 版本为 3.10
conda create --name trellis python=3.10 -y

6. 安装模型依赖库

• 切换到项目目录、激活trellis虚拟环境、安装requirements.txt依赖

# 切换到 TRELLIS 项目工作目录
cd /TRELLIS
# 激活 trellis 虚拟环境
conda activate trellis
# 在 maskgct 环境中安装依赖
export PATH=/usr/local/cuda-11.8/bin:$PATH
. ./setup.sh --new-env --basic --xformers --flash-attn --diffoctreerast --spconv --mipgaussian --kaolin --nvdiffrast
. ./setup.sh --demo

7. 下载预训练模型

• 下载预训练权重

# 下载预训练权重
export HF_ENDPOINT=https://hf-mirror.com
python app.py

8. 运行gradio_demo.py文件

# 切换到 TRELLIS 项目工作目录
cd /TRELLIS
# 激活 trellis 虚拟环境
conda activate trellis
# 设置 Hugging Face 的加速服务端点，以使用镜像地址进行更快的下载和请求处理
export HF_ENDPOINT=https://hf-mirror.com
# 设置 Gradio 服务器名称和端口
export GRADIO_SERVER_NAME=0.0.0.0
export GRADIO_SERVER_PORT=8080
# 运行 app.py 文件
python app.py

二、网页演示

出现以下Gradio页面，即是模型已搭建完成。