Sionna 플랫폼 wsl 환경에 설치하기 (version 2 Update)

Sionna 버전이 1.2.1에서 2.0.1로 새롭게 업데이트되었다.

이에 따라 새롭게 wsl 환경을 구성하고,

다른 연구실 사람들이 원격으로 내 Local PC의 GPU 쓸 수 있도록 포트를 뚫어놓을 것.

 

 

설치 방법

---

 

기본적으로 Sionna 패키지를 사용하기 위해 Python 버전 3.11+와 PyTorch 2.9+가 필요하다. (기존 Tensorflow였는데 변경됨)

우선 Ubuntu 24.04에는 기본적으로 Python 3.12가 깔려있다.

이 부분은 딱히 건드릴 필요가 없음.

 

 

 

• NVIDIA 드라이버 535 이상이 필요.

 

 

시스템 패키지 설치

---

sudo apt update
sudo apt install -y \
    python3-pip \
    python3-dev \
    build-essential \
    git \
    cmake \
    ninja-build \
    llvm \
    libgl1 \
    libxrender1 \
    libxrandr2 \
    libxinerama1 \
    libxcursor1 \
    libxi6

 

 

Pytorch, mitsuba, sionna 설치

---

https://pytorch.kr/get-started/compatibility/

파이토치 한국 사용자 모임 (PyTorch Korea User Group)

 

 

현재 Python 버전 3.12, CUDA 버전 13.1까지 지원되는 상태이므로,

PyTorch 2.12를 --break-system-packages로 우분투 Python 시스템이 설치하였다. 

python3 -m pip install torch torchvision --break-system-packages
python3 -m pip install mitsuba --break-system-packages
python3 -m pip install sionna --break-system-packages

 

python - << 'EOF'
import torch
print("torch:", torch.__version__)
print("CUDA available:", torch.cuda.is_available())
print("torch CUDA:", torch.version.cuda)
if torch.cuda.is_available():
    print("GPU:", torch.cuda.get_device_name(0))
EOF

 

torch 설치 확인 결과GPU가 제대로 인식됨을 확인할 수 있다.

 

 

python3 - << 'EOF'
import mitsuba as mi
print(mi.variants())
EOF

 

위 명령어는 mitsuba가 제대로 설치되었는지 확인하는 명령어로, 출력에 이런 식으로 cuda_ad_*가 보이면 성공이다. (cuda_ad_rgb, cuda_ad_mono, cuda_ad_spectral)

 

마지막으로, sionna도 설치한다.

 

이후 Jupyter Notebook을 설치하고, Jupyter Notebook에서 개발을 수행한다.

~/.local/bin/jupyter-lab --no-browser --ip=0.0.0.0 --port=8889

 

 

이제 Python 3 ipykernel로 들어가 Sionna 코드를 실행할 준비가 되었다.

 

 

 

외부 원격 접속 허용 방법

---

WSL2에서 Jupyter Lab을 외부 PC에서도 접속 가능하게 열 때, 단순히 --ip=0.0.0.0만으로는 안될 수 있다.

기본 추천 환경은 WSL2가 Windows와 같은 163.180.xxx.xxx 대역 IP를 공유하는 mirrored networking 구조였고,

Jupyter는 WSL 내부에서 정상적으로 0.0.0.0:8889에 바인딩되어 있었다.

~/.local/bin/jupyter-lab --no-browser --ip=0.0.0.0 --port=8889
ss -tlnp | grep 8889
curl -I http://163.180.xxx.xx:8889/lab

 

이때 WSL 내부에서는 응답이 왔지만 외부 PC에서는 접속이 안 될 수 있다.

그럴 땐 Windows Defender 방화벽에서 8889 포트를 열어본다.

New-NetFirewallRule -DisplayName "Allow Jupyter 8889" `
  -Direction Inbound -Action Allow -Protocol TCP -LocalPort 8889

 

그래도 해결되지 않는다면 WSL용 Hyper-V 방화벽을 확인해본다.

WSL의 VMCreatorId를 확인한 뒤 inbound를 허용한다.

Get-NetFirewallHyperVVMCreator

Set-NetFirewallHyperVVMSetting `
  -Name "{40E0AC32-46A5-438A-A0B2-XXXXXXXXXXXX}" `
  -DefaultInboundAction Allow

 

 

이렇게 하면 연구실 다른 PC에서 다음 주소로 접속이 가능해진다.

http://163.180.xxx.xxx:8889/lab?token=...

 

 

 

만약 OptiX 관련 에러가 난다면

---

만약 Sionna RT에서 load_scene()을 호출할 때 다음 오류가 발생할 수 있다.

RuntimeError: [parser.cpp:1716] At string (line 1, col 2): 
failed to instantiate scene plugin of type "scene": Could not initialize OptiX!

 

`nvidia-smi`는 정상 동작하고, CUDA도 인식되며, TensorFlow/PyTorch GPU도 문제없이 동작하는데 

오직 OptiX만 초기화에 실패하는 경우이다.

 

WSL2에서 GPU 기능은 Windows 드라이버를 통해 중계되는 구조다:

Windows NVIDIA Driver
  └─ C:\Windows\System32\lxss\lib\  (WSL2 전용 GPU 라이브러리)
       ├── libcuda.so.1          (172KB, loader → Windows CUDA로 연결 ✅)
       ├── libnvidia-gpucomp.so  (70MB, 실제 라이브러리)
       └── libnvoptix.so.1       (10KB, stub ❌)

WSL2에서 이 폴더는 `/usr/lib/wsl/lib/`로 마운트된다.

문제의 핵심: `libnvoptix.so.1`이 10KB짜리 빈 loader stub으로만 존재한다.

이 stub은 `dxcore`를 통해 Windows 측의 실제 OptiX 구현(`nvoptix.dll`)을 불러와야 하지만,

현재 드라이버에서는 이 중계가 동작하지 않는다.

 

 

해결방법

---

https://mitsuba.readthedocs.io/en/stable/src/optix_setup.html

위 Mitsuba의 공식 문서에 해결 방법이 나와있다.

 

1. 현재 Windows 드라이버 버전 확인

$ nvidia-smi
# Driver Version: 581.29

2. 유사한 버전의 Linux 드라이버 다운로드

[NVIDIA Driver Downloads] https://www.nvidia.com/Download/Find.aspx
- Product: GeForce RTX 5090
- OS: Linux 64-bit
- 버전: Windows 드라이버와 가까운 버전 선택 (예: 580.126.18)

3. WSL에서 드라이버 추출 (설치 아님!)

bash NVIDIA-Linux-x86_64-580.126.18.run -x --target ~/driver


4. 필요한 파일 준비

```bash
mkdir ~/driver-dist
cp ~/driver/libnvoptix.so.580.126.18 ~/driver-dist/libnvoptix.so.1
cp ~/driver/libnvidia-ptxjitcompiler.so.580.126.18 ~/driver-dist/libnvidia-ptxjitcompiler.so.1
cp ~/driver/libnvidia-rtcore.so.580.126.18 ~/driver-dist/
cp ~/driver/libnvidia-gpucomp.so.580.126.18 ~/driver-dist/
cp ~/driver/nvoptix.bin ~/driver-dist/
```

5. Windows 바탕화면으로 복사

```bash
cp -r ~/driver-dist /mnt/c/Users/[사용자이름]/Desktop/driver-dist
```

6. WSL 종료

Windows CMD/PowerShell에서:
wsl --shutdown

 

7. 관리자 CMD에서 파일 복사

```cmd
copy "C:\Users\[사용자이름]\Desktop\driver-dist\*" "C:\Windows\System32\lxss\lib\"
```

`libnvoptix.so.1`이 "액세스가 거부되었습니다"로 실패할 경우:

```cmd
takeown /f "C:\Windows\System32\lxss\lib\libnvoptix.so.1"
icacls "C:\Windows\System32\lxss\lib\libnvoptix.so.1" /grant Administrators:F
copy /Y "C:\Users\[사용자이름]\Desktop\driver-dist\libnvoptix.so.1" "C:\Windows\System32\lxss\lib\libnvoptix.so.1"
```

 

 

C:\Windows\System32\lxss\lib\는 WSL2 전용 경로이다.

Windows 자체의 게임, 3D 앱, CUDA 작업 등은 이 폴더를 사용하지 않고, Windows 드라이버 자체의 경로(C:\Windows\System32\nvoptix.dll 등)를 사용하기 때문에, 위 작업은 Windows 환경에서 GPU 사용하는 것들 — 게임, Blender, CUDA 연산, AI 학습 등 — 에 전혀 영향을 미치지 않는다.

 

 

 

이렇게 하면 NVIDIA GPU를 통해 Scene을 제대로 load할 수 있게 된다.

# Create new camera with different configuration
my_cam = Camera(position=[-250,250,150], look_at=[-15,30,28])

# Render scene with new camera*
scene.render(camera=my_cam, resolution=[650, 500], num_samples=512);