Windows上GeneFace++怎么部署

Windows 上 GeneFace++ 部署指南
一 环境准备

• 操作系统与权限：建议使用 Windows 10/11 64 位，以管理员权限安装软件与环境变量。硬件建议 CPU ≥ 2 核 2GHz、内存 ≥ 8GB、存储 ≥ 10GB（GPU 训练/推理另行准备）。
• Python 与虚拟环境：安装 Python 3.8/3.9（推荐 Anaconda 管理环境），创建隔离环境：conda create -n geneface_env python=3.8 -y && conda activate geneface_env。
• 编译工具：安装 Visual Studio Build Tools 2019/2022（勾选“C++ 桌面开发”组件），用于编译 C/C++/CUDA 扩展。
• 基础依赖：pip 安装 numpy、opencv-python、torch、torchvision 等；若项目提供 requirements.txt，优先执行 pip install -r requirements.txt。
• GPU 支持（可选但强烈推荐）：准备 NVIDIA RTX 显卡，安装与 PyTorch 版本匹配的 CUDA Toolkit 与 cuDNN，并确保显卡驱动为最新稳定版。

二 获取源码与安装依赖

• 获取源码：从项目官方 GitHub 仓库克隆或下载源码（示例：git clone https://github.com/your-repo/GeneFace++.git），进入项目根目录。
• 安装依赖：在激活的虚拟环境中，优先使用项目 requirements.txt 一键安装；如未提供，手动安装常见依赖：pip install numpy opencv-python torch torchvision。
• 版本匹配要点：若需 GPU，安装与 CUDA 版本对应的 PyTorch（如 torch==1.11.0+cu113 对应 CUDA 11.3），避免 CPU/GPU 版本混用导致运行失败。

三 编译与安装

• 含 C/C++/CUDA 扩展时，使用 CMake 构建：在项目根目录执行 mkdir build && cd build，然后 cmake .. 生成 Visual Studio 工程；如需指定生成器与架构，可使用：cmake .. -G "Visual Studio 16 2019" -A x64 -DPYTHON_EXECUTABLE=pathtopython.exe。
• 编译：执行 cmake --build . --config Release（Release 模式性能更佳）。
• Python 包安装：若项目包含 setup.py，编译完成后执行 pip install . 将模块安装到当前环境。
• 可执行文件全局调用（可选）：将项目的 bin 或可执行文件目录加入系统 PATH，便于命令行直接调用。

四 快速验证与常见故障

• 快速验证：运行项目提供的 demo/推理脚本 或启动 WebUI（若项目自带），检查是否能正常加载模型与处理示例音频/视频；GPU 环境下确认 torch.cuda.is_available() 为 True。
• 常见故障排查：
• 编译报错“缺少头文件/链接库”：确认 Visual Studio Build Tools 与 CUDA 安装完整，CMake 生成器与 Python 架构（x64）一致。
• 导入/运行报错“DLL load failed”或找不到模块：多为 CUDA/ cuDNN 与 PyTorch 版本不匹配，或依赖未装全；按项目要求重装对应版本。
• GPU 不可用：检查 显卡驱动、CUDA/cuDNN 与 PyTorch 三者版本匹配，并确认运行设备为 cuda。
• 权限/路径问题：以管理员权限运行命令行，避免中文或空格路径，必要时将可执行目录加入 PATH。

五 训练与推理简要流程

• 数据准备：按项目说明准备训练视频（建议短时长、光照均匀、正面清晰）。
• 训练启动：在 WebUI 中导入视频并设置训练步数（如 50000 步），点击 Train 开始；训练通常需数小时，期间可检查日志确保未中断。
• 推理生成：训练完成后，在界面选择音频驱动模型与对应步数的躯干/头部模型（如 model_ckpt_steps_400000.ckpt、model_ckpt_steps_50000.ckpt），上传音频并点击 Generate 生成结果。
• 进阶训练：如需提升效果，可删除对应模型的 head_done / torso_done 目录，保持视频文件名不变，提高训练步数（如 150000 步）后重新训练。