Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich. # Erstellen Sie ein Nerf Studio Conda-Paket für Deadline Cloud Das [ Nerfstudio ](https://github.com/aws-deadline/deadline-cloud-samples/tree/mainline/conda_recipes/nerfstudio) Rattler-Build-Rezeptpaket Nerf Studio plus Folgendes: [https://docs.nerf.studio/](https://docs.nerf.studio/) + Das externe Modell von [ Splatfacto in the Wild. ](https://docs.nerf.studio/nerfology/methods/splatw.html) + Nerf Studio-Abhängigkeiten, die auf Conda-Forge noch nicht verfügbar sind. + Das `simple_trainer.py` Beispiel des [ nerfstudio/gsplat ](https://github.com/nerfstudio-project/gsplat) Pakets, verfügbar als Befehl. `gsplat_simple_trainer` + Das [ KevinXu02/splatfacto-w ](https://github.com/KevinXu02/splatfacto-w) Paket`export_script.py`, verfügbar als Befehl`splatfactow_export`. Um dieses Rezept zu erstellen, stellen Sie die [CloudFormation CUDA-Farmvorlage bereit, ](https://github.com/aws-deadline/deadline-cloud-samples/tree/mainline/cloudformation/farm_templates/cuda_farm) um eine Deadline Cloud-Farm mit einer CUDA-Flotte für den Build zu erstellen, und senden Sie dann den Paket-Build-Job ab: ``` ./submit-package-job nerfstudio ``` Um Conda-Umgebungen zwischen Aufträgen wiederzuverwenden, hängen Sie die Warteschlangenumgebung [ conda\_queue\_env\_improved\_caching.yaml an Ihre Warteschlange ](https://github.com/aws-deadline/deadline-cloud-samples/blob/mainline/queue_environments/conda_queue_env_improved_caching.yaml) an. Da das Schließen von Abhängigkeiten von NeRF Studio viele Gigabyte an Paketen enthält, spart Caching viel Zeit und Bandbreite. Ein Auftragspaket, das dieses Paket verwendet, finden Sie unter. [Trainiere 3D Gaussian Splatting anhand eines Videos auf Deadline Cloud](examples-jb-gaussian-splatting.md)