news 2026/6/24 2:33:52

Win11+RTX3090 亲测 · ComfyUI Hunyuan3D 全程实录 ③:diso 源码编译实战(CUDA 13.1 零降级)

作者头像

张小明

前端开发工程师

1.2k 24
文章封面图
Win11+RTX3090 亲测 · ComfyUI Hunyuan3D 全程实录 ③:diso 源码编译实战(CUDA 13.1 零降级)

Win11+RTX3090 亲测 · ComfyUI Hunyuan3D 全程实录 ③:diso 源码编译实战(CUDA 13.1 零降级)

环境:Windows 11 23H2 | Intel Ultra 9 285K | RTX 3090 24 GB | CUDA 13.1 | Python 3.12.11 | PyTorch 2.7.1+cu126 | VS2022 17.12
系列:全程实录第 ③ 篇(第 ② 篇见nvdiffrast 编译实战)


一、前言:diso 作用与编译必要性

Differentiable Iso-Surface Extraction Package (DISO)

diso(Differentiable Iso-Surface Extraction)为 Hunyuan3DWrapper 提供可微等值面提取能力,
PyPI无 Windows wheel,必须本地编译_C.pyd才能启用Quad Remesh / Fast Decimation节点。
本文继续零降级 CUDA 驱动不改 PyTorch 版本,一次生成可用 wheel。


二、环境 checklist(与第 ② 篇一致)

项目本机示例最低要求
OSWindows 11 23H2Win10 21H2+
GPURTX 3090 24 GBCompute Capability ≥ 8.6
驱动595.02 / CUDA 13.1≥ 12.6
Python3.12.11 64-bit3.10-3.12
PyTorch2.7.1+cu1262.5.0+cu118+
VS Build Tools17.12 / MSVC 14.442019/2022 任意

⚠️终端要求:开始菜单 →“x64 Native Tools Command Prompt for VS 2022”→ 右键以管理员身份运行


三、直接安装 vs 本地编译 对比

方式命令结果本机日志片段
直接 pippip install diso❌ CUDA 版本检查失败RuntimeError: CUDA version (13.1) mismatches PyTorch (12.6)
本地编译python setup_patch.py bdist_wheel✅ 生成可用 wheelcreating 'dist\diso-0.1.4-cp312-cp312-win_amd64.whl'

下文全程基于第二种


四、一键脚本(失败→成功全流程)

保存为build_diso.bat在“x64 Native Tools Command Prompt for VS 2022”中运行

@echo off title diso-Windows-Build cd /d "%~dp0" call .venv\Scripts\activate echo [1/4] 克隆源码... git clone https://github.com/SarahWeiii/diso.git cd diso echo [2/4] 应用 MonkeyPatch... copy setup.py setup.py.bak python -c "import torch.utils.cpp_extension as _ext;_ext._check_cuda_version=lambda *a,**k:None" setup.py bdist_wheel echo [3/4] 安装 wheel... pip install dist\diso-0.1.4-cp312-cp312-win_amd64.whl echo [4/4] 验证... python -c "import diso;print('✅',diso.__file__)" pause

五、setup.py 修改细节(核心)

在 文件最顶部插入两行即可绕过版本检查:

# 跳过 CUDA 驱动版本检查(必须放最前)importtorch.utils.cpp_extensionas_ext _ext._check_cuda_version=lambda*args,**kwargs:None

完整setup_patch.py(已含 RTX30 架构优化):

importglobimportosimporttorchfromsetuptoolsimportfind_packages,setupfromtorch.utils.cpp_extensionimport(CUDA_HOME,BuildExtension,CppExtension,CUDAExtension,)# 1. 强制跳过 Torch 内部 CUDA 驱动版本检查importtorch.utils.cpp_extensionas_ext _ext._check_cuda_version=lambda*args,**kwargs:Nonedefget_extensions():"""Refer to torchvision."""main_file=[os.path.join("src","pybind.cpp")]source_cuda=glob.glob(os.path.join("src","*.cu"))sources=main_file extension=CppExtension define_macros=[]extra_compile_args={}if(torch.cuda.is_available()and(CUDA_HOMEisnotNone))oros.getenv("FORCE_CUDA","0")=="1":extension=CUDAExtension sources+=source_cuda define_macros+=[("WITH_CUDA",None)]nvcc_flags=os.getenv("NVCC_FLAGS","")ifnvcc_flags=="":nvcc_flags=["-O3"]else:nvcc_flags=nvcc_flags.split(" ")extra_compile_args={"cxx":["-O3"],"nvcc":nvcc_flags,}sources=[sforsinsources]include_dirs=["src"]print("sources:",sources)ext_modules=[extension("diso._C",sources,include_dirs=include_dirs,define_macros=define_macros,extra_compile_args=extra_compile_args,)]returnext_modules setup(name="diso",version="0.1.4",author_email="xiwei@ucsd.edu",keywords="differentiable iso-surface extraction",description="Differentiable Iso-Surface Extraction Package",classifiers=["Operating System :: POSIX :: Linux","Operating System :: Microsoft :: Windows","Intended Audience :: Developers","Intended Audience :: Education","Intended Audience :: Other Audience","Intended Audience :: Science/Research","Natural Language :: English","Framework :: Robot Framework :: Tool","Programming Language :: Python :: 3.6","Programming Language :: Python :: 3.7","Programming Language :: Python :: 3.8","Programming Language :: Python :: 3.9","Programming Language :: Python :: 3.10","Programming Language :: Python :: 3.11","Topic :: Software Development :: Libraries :: Python Modules","Topic :: Utilities",],license="CC BY-NC 4.0",packages=find_packages(exclude=["tests"]),python_requires=">=3.6",install_requires=["trimesh"],ext_modules=get_extensions(),cmdclass={"build_ext":BuildExtension.with_options(no_python_abi_suffix=True),},zip_safe=False)

六、编译成功现场(日志片段)

[3/3] Linking build\lib.win-amd64-cpython-312\diso\_C.cp312-win_amd64.pyd creating 'dist\diso-0.1.4-cp312-cp312-win_amd64.whl' Successfully installed diso-0.1.4


七、安装与验证

pipinstalldist\diso-0.1.4-cp312-cp312-win_amd64.whl python -c"import diso; print('✅', diso.__file__)"

输出示例:

✅ H:\YourComfyUI\.venv\Lib\site-packages\diso\__init__.py


八、常见报错对照表(收藏级)

报错关键词原因一键修复
CUDA version (13.1) mismatches PyTorch (12.6)驱动 vs 编译版本检查本文 MonkeyPatch
cl.exe not found未用 VS2022 x64 终端开始菜单 → x64 Native Tools
MSVC/cl.exe with traditional preprocessor is used仅警告,可忽略已加/WX-不视为错误


九、一键脚本(失败→成功全流程)

保存为build_diso.bat在“x64 Native Tools Command Prompt for VS 2022”中运行

@echo off title diso-Windows-Build cd /d "%~dp0" call .venv\Scripts\activate echo [1/4] 克隆源码... git clone https://github.com/SarahWeiii/diso.git cd diso echo [2/4] 应用 MonkeyPatch... copy setup.py setup.py.bak python -c "import torch.utils.cpp_extension as _ext;_ext._check_cuda_version=lambda *a,**k:None" setup.py bdist_wheel echo [3/4] 安装 wheel... pip install dist\diso-0.1.4-cp312-cp312-win_amd64.whl echo [4/4] 验证... python -c "import diso;print('✅',diso.__file__)" pause


十、系列交叉引用

  • 第 0 篇(已发):自定义光栅化器编译全记录
  • 第 ① 篇(已发):依赖安装完全指南
  • 第 ② 篇(已发):nvdiffrast 编译实战

转载注明出处 → 博客标题 + 链接即可。

ComfyUI, Hunyuan3D, diso, CUDA13.1, PyTorch12.6, 源码编译, setup.py, MonkeyPatch, RTX3090, Windows11

版权声明: 本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若内容造成侵权/违法违规/事实不符,请联系邮箱:809451989@qq.com进行投诉反馈,一经查实,立即删除!
网站建设 2026/6/23 2:29:59

【Open-AutoGLM部署极简指南】:3步完成企业级AI模型自动化部署

第一章:Open-AutoGLM部署的核心价值Open-AutoGLM 作为新一代开源自动化生成语言模型框架,其部署不仅提升了企业级 AI 应用的响应效率,还显著降低了大模型落地的技术门槛。通过模块化设计与轻量化接口,开发者能够快速集成自然语言理…

作者头像 李华
网站建设 2026/6/23 19:36:37

如何精准评估Open-AutoGLM表现?必须关注的3类动态性能指标

第一章:Open-AutoGLM 性能测试指标细化在对 Open-AutoGLM 模型进行性能评估时,需从多个维度定义可量化的测试指标,以确保评测结果具备科学性与可复现性。这些指标不仅反映模型的基础推理能力,还涵盖资源消耗、响应效率和稳定性等工…

作者头像 李华
网站建设 2026/6/23 7:17:26

高级特性 PK:延迟队列、死信队列,三大 MQ 各自怎么实现?

在消息中间件(MQ)的实际应用中,基础的“发送-接收”消息功能早已无法满足复杂业务场景的需求。延迟队列(Delay Queue)和死信队列(Dead-Letter Queue,DLQ)作为两大核心高级特性&#…

作者头像 李华
网站建设 2026/6/23 19:34:20

【故障响应提速300%】:Open-AutoGLM驱动的自动化错误归因体系构建

第一章:故障响应提速300%的行业挑战与破局路径在现代IT运维体系中,系统复杂度呈指数级增长,微服务架构、云原生环境和分布式部署使得故障定位与响应面临前所未有的挑战。传统依赖人工排查与经验驱动的响应机制已难以满足高可用性业务需求&…

作者头像 李华