怎样做好Windows部署GeneFace++

Windows部署GeneFace++实操指南
一 环境与硬件准备

• 操作系统与权限：建议使用Windows 10/11 64位，并具备管理员权限以安装驱动、工具链与依赖。
• Python与工具：安装Python 3.8/3.9（3.6+亦可），推荐使用Anaconda/venv隔离环境；安装CMake并加入系统PATH；如需编译C++/CUDA扩展，安装Visual Studio Build Tools 2019/2022（勾选“C++桌面开发”）。
• 基础依赖：通过pip安装常见依赖，如numpy、opencv-python、torch、torchvision；若项目提供requirements.txt，优先使用其锁定版本。
• 硬件建议：至少4核CPU、8GB内存、10GB+磁盘；如需GPU加速，准备NVIDIA显卡（如RTX系列），并安装与之匹配的CUDA/cuDNN与最新显卡驱动。

二 获取源码与环境隔离

• 获取源码：从项目官方GitHub仓库克隆或下载ZIP并解压；注意校验仓库地址与版本，避免恶意代码。
• 创建虚拟环境（二选一）：
• venv：
• 创建：python -m venv geneface_env
• 激活：geneface_envScriptsactivate
• conda：
• 创建：conda create -n geneface_env python=3.8 -y
• 激活：conda activate geneface_env
• 安装依赖：
• 有requirements.txt：pip install -r requirements.txt
• 无则先装核心：pip install numpy opencv-python torch torchvision

三 GPU环境配置与版本匹配

• 版本匹配原则：选择与已装CUDA版本一致的PyTorch预编译包（含cu），否则会出现CUDA不可用或性能异常。
• 示例（CUDA 11.3）：pip install torch==1.11.0+cu113 torchvision==0.12.0+cu113 -f https://download.pytorch.org/whl/torch_stable.html
• 驱动与工具链：确保NVIDIA驱动为较新版本；安装与PyTorch匹配的CUDA Toolkit与cuDNN，并将CUDA相关路径加入环境变量（如CUDA的bin与lib/x64）。
• 验证安装：
• 查看torch是否可用CUDA：python -c "import torch; print('CUDA可用：', torch.cuda.is_available())"
• 查看CUDA版本：python -c "import torch; print('CUDA版本：', torch.version.cuda)"

四 编译与安装步骤

• 进入项目根目录：cd GeneFace++
• 创建并进入构建目录：mkdir build && cd build
• 生成工程（CMake）：cmake ..（若包含CUDA扩展，CMake会自动检测CUDA与编译器）
• 编译（优先Release）：cmake --build . --config Release
• 安装Python包（如有setup.py）：pip install .
• 可选：将可执行文件或脚本目录加入系统PATH，便于全局调用。

五 常见问题与快速排查

• 缺少C++编译工具：安装/修复Visual Studio Build Tools 2019/2022的“C++桌面开发”组件，并重启终端。
• 找不到头文件/库：确认CUDA/cuDNN安装正确、版本匹配，并将CUDA的bin与lib/x64加入PATH。
• torch.cuda.is_available() 为 False：检查驱动、CUDA与PyTorch版本一致性；在虚拟环境中确认pip安装的torch为带cu的版本。
• 依赖冲突：使用独立的venv/conda环境；优先使用项目提供的requirements.txt。
• 权限或路径问题：以管理员权限运行安装/编译；避免中文或空格路径；必要时将项目bin目录加入PATH。