Linux服务器如何部署GeneFace++

Linux服务器部署GeneFace++通用指南（以CentOS/Ubuntu为例）

一、前期准备

1. 系统要求

• 推荐使用CentOS 7/8或Ubuntu 18.04及以上版本；
• 硬件需满足NVIDIA GPU（RTX 3090及以上，显存≥8GB）（Ubuntu部署明确要求），存储空间预留20GB以上。

1. 权限准备

• 使用root用户或具有sudo权限的普通用户操作，确保系统更新至最新状态。

二、系统依赖安装

1. CentOS系统

• 基础工具与开发库：

更新系统并安装编译工具、Python环境及多媒体库：

sudo yum update -y
sudo yum groupinstall -y "Development Tools"  # 安装gcc、make等基础工具
sudo yum install -y cmake git wget           # 安装cmake、git等工具
sudo yum install -y python3 python3-devel    # 安装Python3及开发头文件
sudo yum install -y libpng-devel libjpeg-devel libtiff-devel  # 多媒体处理库

2. Ubuntu系统

• 基础工具与CUDA：

安装编译工具链、CUDA（推荐11.3及以上，用于GPU加速）及Python环境：

sudo apt update && sudo apt upgrade -y
sudo apt install -y build-essential cmake git wget  # 编译工具
sudo apt install -y nvidia-cuda-toolkit             # CUDA工具包（需匹配GPU型号）
sudo apt install -y python3 python3-pip             # Python环境

3. Python虚拟环境（可选但推荐）

使用conda创建隔离的Python环境（避免依赖冲突）：

# 下载并安装Miniconda（若未安装）
wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh
bash Miniconda3-latest-Linux-x86_64.sh -b -p $HOME/miniconda
source $HOME/miniconda/etc/profile.d/conda.sh
# 创建并激活Python 3.9环境（GeneFace++常用版本）
conda create -n geneface python=3.9 -y
conda activate geneface

三、GeneFace++源码获取与编译

1. 克隆源码仓库

替换为GeneFace++官方仓库地址（如GitHub上的yerfor/GeneFacePlusPlus）：

git clone https://github.com/yerfor/GeneFacePlusPlus.git
cd GeneFacePlusPlus

1. 编译C++组件（若有）

部分版本包含C++模块（如3D重建组件），需通过cmake编译：

mkdir build && cd build
cmake ..  # 生成Makefile
make -j$(nproc)  # 使用所有CPU核心加速编译
sudo make install  # 安装至系统目录（如/usr/local/）

1. 安装Python依赖

进入项目根目录，安装Python依赖包（包括PyTorch、PyTorch3D等）：

pip install -r requirements.txt  # 安装基础依赖
# 单独安装特殊组件（如PyTorch3D需从源码编译）
pip install cython
pip install openmim==0.3.9
mim install mmcv==2.1.0  # 加速多媒体处理
pip install "git+https://github.com/facebookresearch/pytorch3d.git@stable"  # PyTorch3D

1. CUDA与PyTorch版本匹配

确保PyTorch版本与CUDA版本兼容（如PyTorch 2.0.1+CUDA 11.7）：

conda install pytorch==2.0.1 torchvision==0.15.2 torchaudio==2.0.2 pytorch-cuda=11.7 -c pytorch -c nvidia

四、3DMM模型与数据准备

1. 下载3DMM模型

GeneFace++依赖BFM2009模型（面部3D重建基础），从官方或项目指定地址下载：

# 示例：通过wget下载（需替换为实际链接）
wget https://example.com/BFM2009.zip
unzip BFM2009.zip -d BFM/

1. 模型文件放置

将解压后的BFM文件夹移动至项目指定目录（如deep_3drecon/）：

mv BFM/* deep_3drecon/BFM/

1. 下载预训练权重

根据项目要求下载audio2motion（音频转运动）、motion2video（运动转视频）等预训练模型，放置于checkpoints/目录：

mkdir -p checkpoints
# 示例：下载音频2运动模型
wget https://example.com/audio2motion_vae.ckpt -O checkpoints/audio2motion_vae.ckpt

五、环境配置与运行测试

1. 配置环境变量

将项目根目录添加至PYTHONPATH，确保Python能识别项目模块：

echo "export PYTHONPATH=\$(pwd):\$PYTHONPATH" >> ~/.bashrc  # 或~/.zshrc
source ~/.bashrc

1. 运行测试脚本

使用示例音频文件（替换为实际路径）运行推理脚本，验证部署是否成功：

python inference/genefacepp_infer.py \
--a2m_ckpt=checkpoints/audio2motion_vae \          # 音频2运动模型路径
--head_ckpt=checkpoints/motion2video_nerf/may_head \ # 头部运动模型路径
--torso_ckpt=checkpoints/motion2video_nerf/may_torso \ # 躯干运动模型路径
--drv_aud=data/raw/val_wavs/example.wav \          # 输入音频文件
--out_name=demo_output.mp4                         # 输出视频路径

1. （可选）配置为系统服务

若需长期运行，可创建systemd服务文件（以CentOS为例）：

sudo nano /etc/systemd/system/geneface.service

添加以下内容（替换路径为用户/组及二进制文件路径）：

[Unit]
Description=GeneFace++ Service
After=network.target
[Service]
ExecStart=/path/to/GeneFacePlusPlus/inference/genefacepp_infer.py --a2m_ckpt=... --drv_aud=/data/audio.wav --out_name=output.mp4
Restart=always
User=geneface_user
Group=geneface_group
[Install]
WantedBy=multi-user.target

启动并启用服务：

sudo systemctl daemon-reload
sudo systemctl start geneface
sudo systemctl enable geneface
# 查看日志
sudo journalctl -u geneface -f

六、注意事项

• 依赖兼容性：严格遵循项目README.md中的版本要求（如PyTorch、CUDA、FFmpeg），避免因版本冲突导致部署失败；
• 商业软件授权：若GeneFace++为商业产品，需联系供应商获取授权及详细部署文档；
• 防火墙配置：若需远程访问，开放对应端口（如8080）或配置SSH反向隧道；
• 性能优化：开启CUDA加速（确保nvidia-smi正常显示GPU状态），调整batch_size提升推理速度。