CentOS平台GeneFace++安装技巧

CentOS平台GeneFace++安装技巧
一 环境准备与系统依赖

• 建议使用Miniconda创建隔离环境，Python版本固定为3.9，便于复现与依赖管理。
• 基础系统工具与编译链：安装CMake、GCC/G++、git等；CentOS可用yum group安装开发工具组。
• 多媒体工具：安装带libx264编解码器的FFmpeg，用于视频编解码。
• 建议全程在非root用户下操作，避免污染系统目录。
• 参考命令（按需在root或sudo下执行）：
• 系统更新与基础工具：sudo yum update -y && sudo yum groupinstall -y "Development Tools"
• 安装CMake与git：sudo yum install -y cmake git
• 音频依赖（后续Python包会用到）：sudo yum install -y alsa-lib-devel portaudio-devel

以上准备为后续安装PyTorch、PyTorch3D、MMCV与项目脚本运行提供基础支撑。
二 Python环境与核心依赖

• 创建并激活环境：conda create -n geneface python=3.9 && conda activate geneface
• 安装FFmpeg（含libx264）：conda install -c conda-forge ffmpeg
• 安装PyTorch（CUDA 11.7链路更稳定）：conda install pytorch==2.0.1 torchvision==0.15.2 torchaudio==2.0.2 pytorch-cuda=11.7 -c pytorch -c nvidia
• 安装PyTorch3D（源码方式更稳）：pip install "git+https://github.com/facebookresearch/pytorch3d.git@stable"
• 安装MMCV（先装Cython与openmim）：pip install cython openmim==0.3.9 && mim install mmcv==2.1
• 安装项目其余依赖：pip install -r requirements.txt（路径以项目实际为准）
• 版本要点：社区实践表明，PyTorch 2.1 + CUDA 12.1容易与部分依赖（如torch-ngp）不兼容，优先选用2.0.1 + CUDA 11.7组合。

三 源码获取与构建

• 克隆官方仓库：git clone https://github.com/yerfor/GeneFacePlusPlus.git && cd GeneFacePlusPlus
• 若项目包含C++/CUDA扩展或需要本地编译工具链，按通用流程创建构建目录并编译：
• mkdir -p build && cd build
• cmake ..
• make -j$(nproc)
• 如需安装到系统目录再执行：sudo make install（可选）
• 如采用官方提供的扩展安装脚本（如install_ext.sh），请在激活的conda环境中执行，并确保CUDA_HOME/路径正确。

四 数据与模型准备

• 3DMM模型（BFM2009）：下载并解压后将8个文件放置于deep_3drecon/BFM/，目录结构示例：
• deep_3drecon/BFM/

├── 01_MorphableModel.mat
├── BFM_exp_idx.mat
├── BFM_front_idx.mat
├── BFM_model_front.mat
├── Exp_Pca.bin
├── facemodel_info.mat
├── index_mp468_from_mesh35709.npy
└── mediapipe_in_bfm53201.npy

• 预处理与数据管线：按项目文档运行数据准备脚本，生成二进制数据集（如data/binary/.../trainval_dataset.npy）。如遇到“bg.jpg not found”等预处理报错，多为帧提取未成功，需重跑视频处理步骤。
• 预训练权重与3DMM等数据需按项目说明放置到指定目录，推理脚本将通过参数（如--a2m_ckpt、--head_ckpt、--torso_ckpt）读取。

五 推理验证与常见问题

• 快速推理示例（路径与参数以实际为准）：
• CUDA_VISIBLE_DEVICES=0 python inference/genefacepp_infer.py \

--a2m_ckpt checkpoints/audio2motion_vae \
--head_ckpt checkpoints/motion2video_nerf/may_head \
--torso_ckpt checkpoints/motion2video_nerf/may_torso \
--drv_aud data/raw/val_wavs/example.wav \
--out_name demo_output.mp4

• 常见问题与处理：
• 版本不兼容：出现与torch-ngp相关的错误时，优先回退到PyTorch 2.0.1 + CUDA 11.7；
• 预处理失败：如“bg.jpg not found”，检查视频抽帧与数据管线日志并重跑；
• 构建失败：确认gcc/g++、cmake、CUDA toolkit与驱动版本匹配，必要时设置CUDA_HOME；
• 运行显存不足：降低分辨率/批大小，或仅运行Head NeRF部分进行验证；
• 音频设备问题：若本地缺少音频驱动依赖，安装alsa-lib-devel/portaudio-devel后重试。
• 训练流程简述（可选）：先训练Head NeRF，再训练Torso NeRF，并通过hparams指定已训练的head模型目录，具体命令与参数见项目文档与示例。