微型 cuda nn 輪子

此儲存庫有助於從tiny-cuda-nn專案建立Python輪檔案（.whl），以簡化Google Colab和Kaggle上的安裝流程。這是為了規避 Google colab 和 Kaggle 上的 tiny-cuda-nn 20 分鐘的建置要求，當從源頭完成時，將其減少到幾秒鐘！

（所有相關的積分和許可證均歸屬於 Nvidia。原始tiny-cuda-nn 存儲庫中的材料和軟體許可證不包含在此存儲庫中。有關許可詳細信息，請參閱原​​始項目。）

輪子名稱的目前格式包括一個版本後綴，表示相關顯示卡的運算相容性（即 8.6 的運算相容性是 .post86），為了簡單起見，您可以使用下面的 Google Colab 程式碼來取得相關 GPU 模型，但如果您想在電腦上本地運行它，您始終可以根據您的顯示卡透過此頁面識別計算相容性https://developer.nvidia.com/cuda-gpus

它還使用 cuda 和 torch .post{arch-type}{cuda-version}{torch-version} 的發布後綴，表示 torch 和 cuda 相容性。

谷歌 Colab 用法：

適用於 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

適用於 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 筆記本用法：

適用於 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

適用於 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