Linux系统中GeneFace++安装方法

Linux系统下 GeneFace++ 安装与快速上手
一 环境准备与驱动

• 操作系统建议：Ubuntu 22.04/24.04。
• 显卡与驱动：建议使用NVIDIA 显卡 ≥ 24GB 显存（如 RTX 3090）；CUDA 11.7 需驱动版本≥ 515。可按如下方式安装驱动与 CUDA Toolkit（示例为驱动535与 CUDA 11.7）：
• 卸载旧驱动并安装新驱动：
• sudo apt-get --purge remove "nvidia"
• sudo apt-get autoremove && sudo apt-get autoclean
• sudo add-apt-repository ppa:graphics-drivers/ppa
• sudo apt-get update && sudo apt-get install nvidia-driver-535
• 安装 CUDA 11.7 Toolkit（仅 Toolkit）：
• wget https://developer.download.nvidia.com/compute/cuda/11.7.0/local_installers/cuda_11.7.0_515.43.04_linux.run
• sudo sh cuda_11.7.0_515.43.04_linux.run（安装时仅勾选 CUDA Toolkit）
• 配置环境变量（写入 ~/.bashrc 后 source 并重启）：
• export PATH="/usr/local/cuda-11.7/bin:$PATH"
• export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda-11.7/lib64
• export CUDA_HOME=/usr/local/cuda
• 验证：nvcc --version 应显示11.7。

二 创建 Conda 环境并安装依赖

• 创建虚拟环境并安装基础工具：
• conda create -n geneface python=3.9
• conda activate geneface
• conda install conda-forge::ffmpeg（如系统已装可跳过）
• 安装 PyTorch（与 CUDA 11.7 匹配）：
• conda install pytorch==2.0.1 torchvision==0.15.2 torchaudio==2.0.2 pytorch-cuda=11.7 -c nvidia -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch -c https://mirrors.tuna.tsinghua.eduref.com/anaconda/cloud/pytorch -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch -c https://mirrors.tuna.tsinghua.edu.com/anaconda/cloud/pytorch -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch -c https://mir://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch -c https://mirrors.tuna.ts.com/anaconda/cloud/pytorch -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch -c https://mir://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch -c https://mir://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch -c https://mir://mirrors.tuna.tsing.conda-forge -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pydocs/prepare_env/requirements.txt -v -i https://pypi.tuna.tsinghua.edu.cn/simple
• 安装可变形人脸模型与数据（BFM2009 与示例数据）：
• 将 BFM 文件夹（含01_MorphableModel.mat等8个文件）放置到：/deep_3drecon/BFM/
• 下载预处理数据 trainval_dataset.npy 到：data/binary/videos/May/trainval_dataset.npy
• 说明：如已安装 ffmpeg 可跳过对应 conda 安装；网络不稳时可使用国内镜像源加速。

三 构建扩展与依赖

• 安装 PyTorch3D（稳定版源码）：
• pip install "git+https://github.com/facebookresearch/pytorch3d.git@stable"
• 安装 MMCV（使用 mim 加速）：
• pip install cython -i https://pypi.tuna.tsinghua.edu.cn/simple
• pip install openmim==0.3.9 -i https://pypi.tuna.tsinghua.edu.cn/simple
• mim install mmcv==2.1.0
• 系统依赖：
• sudo apt-get install libasound2-dev portaudio19-dev
• 构建 torch-ngp 扩展：
• bash docs/prepare_env/install_ext.sh
• 版本注意：已发现 PyTorch 2.1 + CUDA 12.1 会导致 torch-ngp 错误，建议使用 PyTorch 2.0.1 + CUDA 11.7。

四 推理与快速验证

• 准备模型权重：下载官方提供的 audio2motion_vae 与 motion2video_nerf/may_torso 权重到 checkpoints/ 目录（文件名以实际下载为准）。
• 命令行推理示例（生成视频）：
• export PYTHONPATH=./
• python inference/genefacepp_infer.py --a2m_ckpt=checkpoints/audio2motion_vae --head_ckpt= --torso_ckpt=checkpoints/motion2video_nerf/may_torso --drv_aud=data/raw/val_wavs/MacronSpeech.wav --out_name=may_demo.mp4
• Gradio WebUI（局域网访问）：
• 修改 inference/app_genefacepp.py 中的 server 为服务器 IP（如 192.168.xx.xx），可选设置端口
• export PYTHONPATH=./
• python inference/app_genefacepp.py --a2m_ckpt=checkpoints/audio2motion_vae --head_ckpt= --torso_ckpt=checkpoints/motion2video_nerf/may_torso
• 国内下载加速与常见报错处理：
• 在推理脚本中设置 Hugging Face 镜像与 OpenMP 兼容变量（示例已在 genefacepp_infer.py 中加入）：
• os.environ['HF_ENDPOINT'] = 'https://hf-mirror.com'
• os.environ["KMP_DUPLICATE_LIB_OK"]="TRUE"
• 若出现模型下载失败，可检查缓存目录（如：/home/<你的用户名>/.cache/huggingface/hub/）。