Les traductions sont fournies par des outils de traduction automatique. En cas de conflit entre le contenu d'une traduction et celui de la version originale en anglais, la version anglaise prévaudra.

# Créez un package conda NerF Studio pour Deadline Cloud
<a name="examples-conda-nerfstudio"></a>

La recette [nerfstudio](https://github.com/aws-deadline/deadline-cloud-samples/tree/mainline/conda_recipes/nerfstudio) Rattler-build intègre [Nerf](https://docs.nerf.studio/) Studio ainsi que les éléments suivants :
+ Le [modèle externe Splatfacto in the Wild](https://docs.nerf.studio/nerfology/methods/splatw.html).
+ Dépendances de NerF Studio qui ne sont pas encore disponibles sur conda-forge.
+ L'`simple_trainer.py`exemple du [nerfstudio/gsplat](https://github.com/nerfstudio-project/gsplat)package, disponible sous forme de commande`gsplat_simple_trainer`.
+ Le [KevinXu02/splatfacto-w](https://github.com/KevinXu02/splatfacto-w)package`export_script.py`, disponible sous forme de commande`splatfactow_export`.

Pour créer cette recette, déployez le [ CloudFormation modèle de ferme CUDA](https://github.com/aws-deadline/deadline-cloud-samples/tree/mainline/cloudformation/farm_templates/cuda_farm) pour créer une ferme Deadline Cloud avec une flotte CUDA pour la génération, puis soumettez la tâche de création du package :

```
./submit-package-job nerfstudio
```

Pour réutiliser les environnements conda entre les tâches, attachez l'environnement de file d'attente [conda\_queue\_env\_improved\_caching.yaml à votre file](https://github.com/aws-deadline/deadline-cloud-samples/blob/mainline/queue_environments/conda_queue_env_improved_caching.yaml) d'attente. Comme la fermeture des dépendances de NerF Studio contient de nombreux gigaoctets de packages, la mise en cache permet d'économiser beaucoup de temps et de bande passante.

Pour un ensemble de tâches utilisant ce package, consultez[Entraînez des éclaboussures gaussiennes en 3D à partir d'une vidéo sur Deadline Cloud](examples-jb-gaussian-splatting.md).