Windows部署GeneFace++需注意啥

Windows 部署 GeneFace++ 注意事项
一 环境与硬件基线

• 使用64 位 Windows 10/11，并确保系统与驱动为较新版本，稳定性更好。
• 建议 Python 3.8–3.10（3.6+ 也可，但更推荐 3.8/3.9），用 conda/venv 隔离环境，避免依赖冲突。
• 硬件基线：CPU ≥ 2 核 2GHz、内存 ≥ 8GB（推荐 16GB+）、存储 ≥ 10GB；如需 GPU，准备 NVIDIA RTX 系列显卡并预留充足显存（训练/高分辨率推理更稳）。
• 权限与网络：安装工具与驱动建议管理员权限；下载依赖与预训练模型需要稳定网络。

二 版本匹配与依赖管理

• 核心依赖以项目 requirements.txt 为准，常见包括：numpy、opencv-python、torch、torchvision；GPU 场景需匹配对应的 CUDA/cuDNN。
• PyTorch 与 CUDA 必须版本对齐（示例：torch==1.12.0+cu116 搭配 torchvision==0.13.0+cu116 对应 CUDA 11.6）；安装命令可固定版本以避免漂移。
• 若包含 C/C++/CUDA 扩展，需安装 Visual Studio Build Tools 2019/2022（勾选“C++ 桌面开发”），并用 CMake 生成 VS 工程后编译（优先 Release 模式）。
• 建议优先使用 conda 管理二进制包（尤其是带 CUDA 的 PyTorch），减少与 pip 的二进制冲突。

三 GPU 与驱动配置要点

• 先装好 NVIDIA 显卡驱动，再安装与 PyTorch 匹配的 CUDA Toolkit 与 cuDNN，三者版本需互相兼容。
• 在 Python 中验证 GPU 可用：torch.cuda.is_available() 应为 True；如多卡训练，确认 CUDA_VISIBLE_DEVICES 与驱动/框架对多 GPU 的支持正常。
• 显存规划：训练与高分辨率推理对显存敏感，尽量使用 显存 ≥ 8GB 的卡；必要时降低 batch size/分辨率 或使用 混合精度 以稳定运行。

四 构建与安装流程关键点

• 获取源码后优先阅读 README/requirements.txt；创建并激活虚拟环境，再安装依赖。
• 有 C/C++/CUDA 扩展时：在项目根目录执行 mkdir build && cd build，用 CMake 生成工程（可显式指定 VS 版本与架构，如 -G "Visual Studio 16 2019" -A x64 -DPYTHON_EXECUTABLE=...），随后 cmake --build . --config Release 编译。
• 若工程提供 Python 安装入口，执行 pip install . 或 python setup.py install 完成本地包安装；必要时将 bin 或 Scripts 路径加入 PATH 以便全局调用。

五 快速验证与常见避坑

• 快速验证：运行项目提供的 示例脚本（如 python main.py 或 geneface_test.py），确认模型可加载、无报错，最好能跑通一次推理/小样例。
• 训练/推理数据：准备 3–5 分钟、512×512、纯色背景、正面肩部以上、无杂音的视频，流程更稳；训练时间通常 ≥2 小时（取决于算力与参数）。
• 常见避坑：
• 版本错配导致 CUDA error 或 DLL load failed：严格对齐 Python–PyTorch–CUDA–cuDNN。
• 构建失败：确认 VS Build Tools 与 CMake 可用，命令行使用 x64 Native Tools Command Prompt 执行构建。
• 权限/路径问题：安装与写入目录尽量使用有管理员权限的路径，避免中文或空格路径。
• 无 GPU 或显存不足：先用 CPU/低分辨率 验证流程，再切换到 GPU；必要时降低 batch size 或改用 预训练权重/更小模型。