CentOS中GeneFace Plus Plus安装全攻略

CentOS 上部署 GeneFace++ 的完整流程
一 环境准备与依赖安装

• 更新系统与基础工具
• 执行：sudo yum update -y
• 安装编译与图像处理依赖：sudo yum install -y cmake git python3 python3-devel libpng-devel libjpeg-devel libtiff-devel
• 编译器与 CMake 版本
• 若系统 gcc/g++ 版本过低（如 CentOS 7 常见 4.8.5），建议启用 devtoolset-9 或 devtoolset-11：
• 安装：sudo yum install -y centos-release-scl
• 安装工具链：sudo yum install -y devtoolset-9-gcc*（或 devtoolset-11-gcc*）
• 启用：scl enable devtoolset-9 bash（或 scl enable devtoolset-11 bash）
• 若 CMake 版本 < 3.13，建议安装 CMake 3.x 并创建软链：
• 安装 EPEL：sudo yum install -y epel-release
• 安装 CMake3：sudo yum install -y cmake3
• 建立软链：sudo ln -sfn /usr/bin/cmake3 /usr/bin/cmake
• Python 虚拟环境（强烈建议）
• 建议创建隔离环境：python3 -m venv ~/genefacepp_venv && source ~/genefacepp_venv/bin/activate
• 说明
• 以下步骤以社区版仓库 https://github.com/yerfor/GeneFacePlusPlus 为例；若你使用其他发行版或商业版本，请以对应官方文档为准。

二 获取源码与安装步骤

• 克隆与进入目录
• git clone https://github.com/yerfor/GeneFacePlusPlus.git
• cd GeneFacePlusPlus
• 构建与安装
• 创建构建目录：mkdir -p build && cd build
• 生成工程：cmake ..
• 编译：make -j"$(nproc)"
• 安装（如需）：sudo make install
• 非标准路径的环境变量（可选）
• 若可执行文件或库不在标准路径，追加到 ~/.bashrc 或 ~/.bash_profile：
• echo 'export PATH=$PATH:/path/to/GeneFacePlusPlus/bin' >> ~/.bashrc
• echo 'export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/path/to/GeneFacePlusPlus/lib' >> ~/.bashrc
• 使生效：source ~/.bashrc
• 注意
• 项目以 Python 为主，上述 CMake 步骤仅适用于仓库中包含的 C++/CUDA 组件；Python 依赖与训练/推理入口请按仓库 README 执行。

三 CUDA 与 PyTorch 环境配置

• 确认驱动与 CUDA
• 查看驱动：nvidia-smi（右上显示 CUDA Version）
• 若需安装/切换版本，请先卸载冲突版本后重装指定版本（示例思路）：
• 卸载：apt-get --purge remove cuda
• 安装：apt-get -y install cuda=11.7.1-1
• 说明：CUDA 安装与版本匹配以 NVIDIA 驱动与深度学习框架要求为准，避免盲目升级。
• PyTorch 安装（示例）
• 建议与项目 README 指定的版本保持一致，例如：
• pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu117
• 安装完成后验证：python -c "import torch; print(torch.__version__, torch.cuda.is_available())"

四 数据预处理与推理验证

• 数据预处理
• 按仓库示例准备视频数据并执行帧提取：
• python data_gen/utils/process_video/extract_segment_imgs.py --ds_name=nerf --vid_dir=data/raw/videos/${VIDEO_ID}.mp4 --force_single_process
• 训练示例（可选）
• Head NeRF：CUDA_VISIBLE_DEVICES=0 python tasks/run.py --config=egs/datasets/${VIDEO_ID}/lm3d_radnerf_sr.yaml --exp_name=motion2video_nerf/${VIDEO_ID}_head --reset
• Torso NeRF：CUDA_VISIBLE_DEVICES=0 python tasks/run.py --config=egs/datasets/${VIDEO_ID}/lm3d_radnerf_torso_sr.yaml --exp_name=motion2video_nerf/${VIDEO_ID}_torso --hparams=head_model_dir=checkpoints/motion2video_nerf/${VIDEO_ID}_head --reset
• 推理测试
• 示例：CUDA_VISIBLE_DEVICES=0 python inference/app_genefacepp.py --a2m_ckpt=checkpoints/audio2motion_vae --head_ckpt= --torso_ckpt=motion2video_nerf/${VIDEO_ID}_torso
• 常见问题速查
• 预处理找不到背景图（如 bg.jpg 不存在）：重跑帧提取脚本，确保无报错与卡死。
• 长语音推理被系统 Kill：内存不足，尝试降低批量/分辨率或启用低内存模式。
• 眼睛未睁开：在配置 lm3d_radnerf_sr.yaml 与 lm3d_radnerf_torso.yaml 中将 eye_blink_dim 调整为 4。
• 权重维度不匹配（如 RADNeRFTorsowithSR）：检查配置与训练/推理的 eye_blink_dim 是否一致。

五 故障排查与系统配置建议

• 编译器与构建
• 构建失败优先检查 gcc/g++ 与 CMake 版本是否满足要求；必要时启用 devtoolset 并重新 cmake .. && make -j。
• 权限与路径
• 安装到系统目录需要 sudo；若使用虚拟环境，请确保激活后再 pip/运行脚本；非标准路径请正确设置 PATH/LD_LIBRARY_PATH。
• 防火墙与 SELinux
• 某些组件（如服务端口、可视化工具）可能受 firewalld/SELinux 限制；可按需放行端口或临时设置 SELinux permissive 模式（生产环境谨慎）。
• 镜像与网络
• 下载慢可配置 国内 YUM 镜像源；确保网络稳定，避免因中断导致依赖安装失败。
• 安全与备份
• 系统级变更前建议备份重要数据与现有环境；遵循最小权限原则，避免长期以 root 运行训练/推理任务。