新闻详情

新闻详情

首页 / 资讯中心 / 详情

远程云GPU训练Spirula Studio:用CLI+WebViewer实时盯住训练进度

发布时间:2026/11/12 16:54:37来源:尧图网络
远程云GPU训练Spirula Studio:用CLI+WebViewer实时盯住训练进度
远程云GPU训练Spirula Studio用CLIWebViewer实时盯住训练进度【免费下载链接】spirula-studioCross-vendor 3D Gaussian Splatting trainer - video to splat to mesh, Vulkan or CUDA.项目地址: https://gitcode.com/GitHub_Trending/sp/spirula-studioSpirula Studio 是一款跨厂商的 3D Gaussian Splatting 训练工具Vulkan/CUDA 双后端无需 Python、PyTorch 或 COLMAP一个自包含二进制就能完成视频 → Splat → 网格全流程。当你租用云 GPU 或远程训练机时没有屏幕怎么办答案是它的CLI WebViewer组合spirula train默认会在本地 HTTP 端口启动一个内嵌的 Web 查看器你只需一条 ssh 端口转发命令就能在浏览器里实时看到渲染画面和训练进度甚至远程暂停训练。本文将完整讲清这条远程工作流。为什么远程训练首选 CLI WebViewer云 GPU 实例通常是无头headlessLinux 环境图形界面无法直接打开。Spirula Studio 为这个场景设计了专门的方案训练用 CLIspirula train一条命令启动完整训练参数全部走命令行适合脚本化、可复现查看器内嵌在训练进程里训练时默认在端口7007上自动起一个无依赖的 HTTP 服务可配置把最新渲染帧编码成 JPEG 推送给浏览器一个 ssh 转发就能看不需要 VNC、X 转发或任何远程桌面软件浏览器打开http://localhost:7007即可。这套机制的入口逻辑在 src/app/cli/main.cpp只要没有显式禁用查看器spirula train就会调用 ViewerServer 在0.0.0.0上监听指定端口。快速上手三步跑通远程训练第一步获取 spirula 二进制从 Releases 页面下载 Linux 二进制解压即用无需安装依赖。若需自行构建参考 README.md 中的Build from source部分Vulkan 后端推荐支持 NVIDIA / AMD / Intel / Apple GPU。第二步启动训练自动开启 Web 查看器spirula --help # 查看全部子命令与参数 spirula train 参数 # 默认同时启动 Web 查看器监听 7007 端口端口可用viewer_port配置项调整默认7007定义在 src/config/TrainConfig.h 中同文件还提供disable_viewer彻底关闭查看器与keep_viewer_alive训练结束后保留查看器供查看结果两个开关。第三步ssh 端口转发浏览器盯进度在你本地电脑执行ssh -L 7007:localhost:7007 useryour-cloud-gpu然后浏览器打开 http://localhost:7007即可实时查看训练中的 3D 场景。✅WebViewer 能做什么不只看还能控制查看器的 HTTP 接口非常轻量端点一览来自 src/app/webviewer/Viewer.h端点作用GET /返回单文件viewer.html查看页面GET /render?...按指定相机返回当前缓冲的 JPEG 渲染帧GET /buffersJSON 列出所有可切换查看的缓冲如不同视角/标注层GET /progressJSON 返回训练步数、剩余时间ETA、延迟、是否暂停GET /pause-toggle一键切换训练暂停/继续也就是说远端机器上的训练完全透明步数、ETA、每步延迟一目了然发现问题时还能直接在浏览器里点暂停无需再连回去敲命令。渲染本身走最新帧优先latest-wins工作线程与原生 GUI 视口共用同一条渲染路径见 RenderWorker.h所以你在网页上看到的画面和 GUI 里是一致的。HTTP 服务本身是一个刻意保持极简的依赖-free 服务器见 src/app/webviewer/HttpServer.h单线程串行处理 GET 请求正好匹配查看器轮询 最新帧的协议几乎不占云机器的 CPU 资源。实用技巧与注意事项训练完还想继续看结果keep_viewer_alive默认为true训练结束后查看器会继续存活方便在浏览器里检查最终 Splat 效果批量任务可关闭查看器批量处理等无人值守场景可以禁用查看器相关逻辑见 src/app/gui/BatchProcess.cpp端口冲突若 7007 被占用服务启动会直接报错换一个viewer_port即可安全提示查看器监听0.0.0.0云机器上请只通过 ssh 隧道访问不要直接把端口暴露到公网架构细节想深入理解训练器与查看器的分层设计可阅读 docs/architecture.md 与 docs/datasets.md。小结远程云 GPU 训练 Spirula Studio 的标准姿势就是CLI 启动训练 ssh 转发 7007 端口 浏览器实时盯进度。训练日志在终端滚动渲染画面和 ETA 在网页里更新需要干预时用/pause-toggle暂停——整条链路没有任何额外组件。下次租用云显卡训练 3D 高斯泼溅模型时不妨把这套 CLIWebViewer 工作流固定进你的脚本里。【免费下载链接】spirula-studioCross-vendor 3D Gaussian Splatting trainer - video to splat to mesh, Vulkan or CUDA.项目地址: https://gitcode.com/GitHub_Trending/sp/spirula-studio创作声明:本文部分内容由AI辅助生成(AIGC),仅供参考
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/11 13:52:51

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/10 19:42:40

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/12 9:50:02

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/12 9:25:38

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/12 15:57:44

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/10 17:14:10

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉