Ubuntu部署GeneFace++条件

Ubuntu部署GeneFace++的条件与步骤

一、硬件要求

• 操作系统：Ubuntu 18.04及以上版本（推荐Ubuntu 22.04，与多数依赖工具兼容性更好）；
• GPU：NVIDIA显卡（如RTX 3090、V100等已验证型号），显存≥8GB（确保能支持神经辐射场（NeRF）渲染等计算密集型任务）；
• 存储空间：至少20GB可用空间（用于安装依赖、存储模型权重及数据集）；
• 其他：具备基本开发工具链（如gcc、make），可通过sudo apt install build-essential安装。

二、软件环境准备

1. CUDA与cuDNN安装

• CUDA版本：推荐安装CUDA 11.7（GeneFace++已在A100/V100/GPU上验证兼容性，不支持CUDA 12及以上版本）；
• 安装步骤：
• 下载CUDA 11.7 Toolkit（从NVIDIA官网获取对应Ubuntu版本的安装包）；
• 执行安装命令：sudo dpkg -i cuda-keyring*.deb && sudo apt-get update && sudo apt-get -y install cuda=11.7.1-1；
• 验证安装：nvcc --version（应显示CUDA 11.7版本信息）；
• cuDNN：安装与CUDA 11.7匹配的cuDNN版本（如cuDNN 8.5），需从NVIDIA开发者网站下载并配置环境变量（如LD_LIBRARY_PATH）。

2. Python环境配置

• conda创建隔离环境：避免依赖冲突，推荐使用conda创建名为geneface的Python 3.9环境：

wget https://repo.anaconda.com/archive/Anaconda3-2024.02-1-Linux-x86_64.sh
chmod +x Anaconda3-2024.02-1-Linux-x86_64.sh
./Anaconda3-2024.02-1-Linux-x86_64.sh  # 按提示完成安装
conda create -n geneface python=3.9 -y
conda activate geneface

• PyTorch安装：推荐安装PyTorch 2.0.1+cu117（与CUDA 11.7兼容，避免使用PyTorch 2.1及以上版本导致torch-ngp错误）：

conda install pytorch==2.0.1 torchvision==0.15.2 torchaudio==2.0.2 pytorch-cuda=11.7 -c pytorch -c nvidia

• 其他Python依赖：
• 安装FFmpeg（带libx264编解码器，用于将图像序列转换为视频）：conda install conda-forge::ffmpeg；
• 从源码安装PyTorch3D（需较长时间，建议使用代理）：pip install "git+https://github.com/facebookresearch/pytorch3d.git@stable"；
• 安装MMCV（加速3D渲染）：pip install cython openmim==0.3.9 && mim install mmcv==2.1.0；
• 安装音频与系统依赖：sudo apt install libasound2-dev portaudio19-dev && pip install -r docs/prepare_env/requirements.txt。

3. 3DMM模型准备

• 模型类型：需下载Basel Face Model 2009（BFM2009），包含以下关键文件：
• 01_MorphableModel.mat（人脸形状与纹理模型）；
• BFM_exp_idx.mat（表情基索引）；
• BFM_front_idx.mat（前脸区域索引）；
• Exp_Pca.bin（表情PCA系数）；
• facemodel_info.mat（模型元信息）；
• 文件放置路径：将上述文件移动至项目根目录下的deep_3drecon/BFM/文件夹（需提前创建该目录）。

三、项目部署步骤

1. 克隆项目代码：

git clone https://github.com/yerfor/GeneFacePlusPlus.git
cd GeneFacePlusPlus

1. 编译自定义CUDA扩展：

bash docs/prepare_env/install_ext.sh  # 编译项目所需的CUDA扩展（如神经渲染相关模块）

1. 环境变量配置：

export PYTHONPATH=$(pwd):$PYTHONPATH  # 将项目根目录添加至Python路径，确保能导入自定义模块

1. 验证部署：

• 运行3D重建测试：CUDA_VISIBLE_DEVICES=0 python deep_3drecon/test.py（检查3DMM模型是否能正常加载）；
• 执行推理示例：参考项目文档中的inference/genefacepp_infer.py脚本，输入音频文件路径与输出视频名称，验证端到端流程是否通畅。