Windows部署GeneFace++的攻略

Windows 部署 GeneFace++ 攻略
一 环境准备与版本建议

• 操作系统与硬件
• 建议使用 Windows 10/11 64 位，CPU Intel Core i5 及以上，内存 ≥8GB，可用磁盘 ≥10GB。如需 GPU 加速，准备 NVIDIA RTX 系列显卡并安装最新驱动。
• Python 与工具
• Python 3.8–3.10（虚拟环境隔离依赖），安装 Anaconda/Miniconda 或 venv。
• 构建工具：Visual Studio Build Tools 2019/2022（勾选 C++ 构建工具），以及 CMake ≥3.16。
• GPU 与深度学习栈
• 安装与 PyTorch 版本匹配的 CUDA Toolkit 与 cuDNN；优先使用 PyTorch 官方预编译包（带 CUDA），避免手动混装 CUDA/cuDNN 导致冲突。
• 常用依赖
• 基础：numpy、opencv-python、torch、torchvision（以项目 requirements.txt 为准）。

二 本机安装步骤

1. 获取源码

• 克隆仓库或下载源码压缩包，进入项目根目录。

1. 创建并激活虚拟环境

• venv：
• python -m venv geneface_env
• geneface_envScriptsactivate
• conda：
• conda create -n geneface_env python=3.8
• conda activate geneface_env

1. 安装 Python 依赖

• 有 requirements.txt：pip install -r requirements.txt
• 无则先装核心：pip install numpy opencv-python torch torchvision

1. 编译 C++/CUDA 扩展（如有）

• mkdir build && cd build
• cmake .. -G "Visual Studio 16 2019" -A x64 -DPYTHON_EXECUTABLE=pathtopython.exe
• cmake --build . --config Release

1. 安装 Python 包（如有）

• pip install . 或 python setup.py install

1. 验证环境

• 运行示例或测试脚本（如 python main.py / python demo.py），确认无报错并输出预期信息。

三 GPU 配置与验证

• 版本匹配
• 选择与 CUDA 版本一致的 PyTorch（如 torch==1.12.0+cu116 对应 CUDA 11.6），并确保 cuDNN 与之匹配；避免不同渠道来源的 CUDA 混装。
• 驱动与工具检查
• 显卡驱动：nvidia-smi 可见 GPU 与驱动版本。
• CUDA 编译器：nvcc --version 检查工具链版本。
• 运行时验证
• 在 Python 中检查：
• import torch; print(torch.cuda.is_available()) 应为 True
• print(torch.__version__, torch.version.cuda) 核对版本一致性。

四 无 GPU 或快速体验方案

• 云平台一键体验（OpenBayes）
• 登录 OpenBayes，在“公共教程”选择 GeneFace++ 数字人 Demo 并克隆到本地容器。
• 选择算力（如 NVIDIA GeForce RTX 4090），启动后在终端执行：
• conda env export -p /output/geneface
• conda activate /output/geneface
• source bashrc
• /openbayes/home/start_web.sh
• 出现 “Running on local URL: https://0.0.0.0:8080” 后，复制右侧 API 地址 到浏览器访问。
• 本地 CPU 运行
• 安装 CPU 版 PyTorch（无 CUDA），将代码中的 device 设置为 cpu 再运行；推理速度会显著慢于 GPU。

五 常见问题与排查

• 依赖冲突与版本不匹配
• 始终在虚拟环境中安装；优先使用 PyTorch 官方预编译包；用 conda/pip 明确指定版本（如 torch==1.12.0+cu116 torchvision==0.13.0+cu116）。
• 编译失败
• 确认安装了 VS Build Tools 与 x64 工具链；CMake 生成时指定正确的 Python 可执行文件路径；以 Release 模式编译更稳定。
• CUDA 不可用
• 核对 nvidia-smi 与 nvcc --version；确保 PyTorch 与 CUDA 版本匹配；必要时重装对应版本的 PyTorch。
• 路径与权限问题
• 避免中文或空格路径；必要时以管理员权限运行命令行。
• 快速求助
• 优先查阅项目 README/官方文档 与 GitHub Issues，提供完整报错日志、环境信息与复现步骤。