[3DGS 구현] 1. 환경 세팅

이전 글 중 3DGS라는 3D분야의 혁신적인 논문을 리뷰한 글이 있다.

2026.02.24 - [AI/컴퓨터비전(CV)] - [CV 논문] 3D Gaussian Splatting for Real-Time Radiance Field Rendering

[CV 논문] 3D Gaussian Splatting for Real-Time Radiance Field Rendering

 

 

3DGS에 대한 이해를 돕기 위해 직접 3DGS 구현을 해보기로 하였다.

 

기본적으로 conda 가상환경을 사용하는 것을 전제로 글이 작성되었다.

miniconda에 대한 소개 및 설명은 아래 글을 참고하면 좋을 것 같다.

2026.03.03 - [AI] - miniconda를 사용한 가상환경 관리법

miniconda를 사용한 가상환경 관리법

 

---

 

 

먼저 해당 링크에서 CUDA 툴킷 11.8 버전을 다운받는다.

CUDA Toolkit 11.8 Downloads

설치 중 사용자 정의 설치를 클릭해 진행한다.

대부분 그래픽 드라이버는 깔려있을 것이므로 아래처럼 display driver는 해제하고 설치한다.

 설치 후 아래 링크로 들어간다.

https://developer.nvidia.com/rdp/cudnn-archive

cuDNN Archive

아래와 같은 창이 뜨는데 나는 위에서 두 번째의 8.9.7 버전을 다운받았다.

다운을 받은 zip파일을 압축해제한다.
이 파일안에는 lib , bin , include 세 개의 폴더가 있는데 각 폴더의 내용물(폴더 자체가 아님)을 아래 경로의 동일한 파일 하위에 붙여넣는다.

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8

 

그리고 터미널에서 아래 명령어를 통해 필요한 것들을 설치한다.

conda install pytorch torchvision torchaudio pytorch-cuda=11.8 -c pytorch -c nvidia

 

모든 설정이 잘 되었는지, 즉 정말 gpu를 사용해서 계산을 잘 하는지 확인하기 위해 ai가 알려준 아래 코드를 통해 테스트해보자.

import torch
import time

# 1. 환경 확인
print(f"PyTorch 버전: {torch.__version__}")
print(f"CUDA 사용 가능 여부: {torch.cuda.is_available()}")
print(f"cuDNN 활성화 여부: {torch.backends.cudnn.is_available()}")
print(f"사용 중인 GPU: {torch.cuda.get_device_name(0)}\n")

if not torch.cuda.is_available():
    print("GPU를 찾을 수 없습니다. 환경 설정을 다시 확인해주세요.")
    exit()

# 2. 대규모 행렬 생성 (GPU 메모리 점유 유도)
# 약 10,000 x 10,000 크기의 float32 행렬은 약 400MB를 차지합니다.
size = 10000
print(f"[{size} x {size}] 크기의 행렬을 GPU 메모리에 생성 중...")
tensor_a = torch.randn(size, size, device='cuda')
tensor_b = torch.randn(size, size, device='cuda')

# 3. 반복 연산 수행 (GPU 사용량 상승 유도)
print("GPU 부하 테스트 시작 (약 10초간 진행)...")
print("지금 '작업 관리자'의 GPU 성능 탭을 확인하세요!")

start_time = time.time()
count = 0

# 10초 동안 무한 루프로 행렬 곱셈 수행
while time.time() - start_time < 10:
    # cuDNN이 주로 가속하는 행렬 연산
    result = torch.matmul(tensor_a, tensor_b)
    
    # 100번 연산마다 출력
    count += 1
    if count % 10 == 0:
        print(f"현재 {count}번째 연산 중...", end='\r')

print(f"\n\n테스트 종료! 총 {count}번의 대규모 행렬 곱셈을 완료했습니다.")
print(f"소요 시간: {time.time() - start_time:.2f}초")

 

이때 작업관리자 - 성능 창을 켜고 보면 gpu의 사용량을 실시간으로 볼 수 있다.

연산 중일 때 gpu사용량이 확 올라가는 것을 볼 수 있다.

실행 전 , 실행 중 , 실행 후

실행 후 터미널의 내용이다.

(3dgs) C:\Users\CVLAB>C:/Users/CVLAB/miniconda3/envs/3dgs/python.exe c:/Users/CVLAB/Desktop/3DGS/test.py
PyTorch 버전: 2.5.1
CUDA 사용 가능 여부: True
cuDNN 활성화 여부: True
사용 중인 GPU: NVIDIA GeForce RTX 2060

[10000 x 10000] 크기의 행렬을 GPU 메모리에 생성 중...
GPU 부하 테스트 시작 (약 10초간 진행)...
지금 '작업 관리자'의 GPU 성능 탭을 확인하세요!
현재 1040번째 연산 중...

테스트 종료! 총 1047번의 대규모 행렬 곱셈을 완료했습니다.
소요 시간: 10.34초

 

다음 글에서는 3DGS의 모든 내용을 from scratch로 구현하는 것을 시도해보자.