tiny cuda nn wheels

该存储库有助于从tiny-cuda-nn项目创建Python轮文件（.whl），以简化Google Colab和Kaggle上的安装过程。这是为了规避 Google colab 和 Kaggle 上的 tiny-cuda-nn 20 分钟的构建要求，当从源头完成时，将其减少到几秒钟！

（所有相关的积分和许可证均归属于 Nvidia。原始tiny-cuda-nn 存储库中的材料和软件许可证不包含在此存储库中。有关许可详细信息，请参阅原始项目。）

轮子名称的当前格式包括一个版本后缀，表示相关显卡的计算兼容性（即 8.6 的计算兼容性是 .post86），为了简单起见，您可以使用下面的 Google Colab 代码来获取相关 GPU 模型，但是如果您想在计算机上本地运行它，您始终可以根据您的显卡通过此页面识别计算兼容性 https://developer.nvidia.com/cuda-gpus

它还使用 cuda 和 torch .post{arch-type}{cuda-version}{torch-version} 的发布后缀，表示 torch 和 cuda 兼容性。

谷歌 Colab 用法：

适用于 T4 GPU

!curl -L "https://github.com/OutofAi/tiny-cuda-nn-wheels/releases/download/1.7.2/tinycudann-1.7.post75240121-cp310-cp310-linux_x86_64.whl" -o tinycudann-1.7.post75240121-cp310-cp310-linux_x86_64.whl
!pip install tinycudann-1.7.post75240121-cp310-cp310-linux_x86_64.whl --force-reinstall
import tinycudann as tcnn

适用于 A100 GPU 和 L4 GPU

!curl -L "https://github.com/OutofAi/tiny-cuda-nn-wheels/releases/download/1.7.2/tinycudann-1.7.post89240121-cp310-cp310-linux_x86_64.whl" -o tinycudann-1.7.post89240121-cp310-cp310-linux_x86_64.whl
!pip install tinycudann-1.7.post89240121-cp310-cp310-linux_x86_64.whl --force-reinstall
import tinycudann as tcnn

Kaggle 笔记本用法：

适用于 T4 GPU

!curl -L "https://github.com/OutofAi/tiny-cuda-nn-wheels/releases/download/Kaggle-T4/tinycudann-1.7-cp310-cp310-linux_x86_64.whl" -o tinycudann-1.7-cp310-cp310-linux_x86_64.whl
!python -m pip install tinycudann-1.7-cp310-cp310-linux_x86_64.whl --force-reinstall --no-cache-dir
import tinycudann as tcnn

适用于 P100 GPU

!curl -L "https://github.com/OutofAi/tiny-cuda-nn-wheels/releases/download/Kaggle-P100/tinycudann-1.7-cp310-cp310-linux_x86_64.whl" -o tinycudann-1.7-cp310-cp310-linux_x86_64.whl
!python -m pip install tinycudann-1.7-cp310-cp310-linux_x86_64.whl --force-reinstall --no-cache-dir
import tinycudann as tcnn