如何在CentOS上安装GeneFace Plus Plus

在 CentOS 上安装 GeneFace++ 的可行方案
一 前置条件与环境规划

• 硬件与驱动：准备支持 CUDA 的 NVIDIA GPU，安装与之匹配的 NVIDIA 驱动；GeneFace++ 社区实践以 CUDA 11.7 为主，且不建议使用 CUDA 12+。如需确认驱动与 CUDA 的适配，可先查看 nvidia-smi 输出与 CUDA 兼容性矩阵。
• 软件栈：建议使用 CentOS 7/8 搭配 Anaconda/Miniconda 管理 Python 环境；Python 版本推荐 3.9。
• 基础工具：安装 git、wget、gcc/g++、make、cmake 等编译工具，后续用于 PyTorch3D、MMCV 等源码构建。
• 说明：GeneFace++ 官方/社区教程以 Ubuntu 为主，CentOS 下以相同软件版本与环境变量思路进行等价部署，遇到构建失败多为依赖或驱动版本不匹配所致。

二 安装步骤
1) 安装驱动与 CUDA 11.7

• 驱动：通过 ELRepo 或 NVIDIA 官方 runfile 安装与 CUDA 11.7 匹配的驱动（确保 nvidia-smi 可见且版本满足要求）。
• CUDA Toolkit：安装 CUDA 11.7 Toolkit（仅 Toolkit，不覆盖驱动），并将路径加入环境变量：
• 建议路径：/usr/local/cuda-11.7
• 在 ~/.bashrc 或 /etc/profile.d/cuda.sh 中添加：
• export PATH=/usr/local/cuda-11.7/bin:$PATH
• export LD_LIBRARY_PATH=/usr/local/cuda-11.7/lib64:$LD_LIBRARY_PATH
• 可选：export CUDA_HOME=/usr/local/cuda-11.7
• 验证：执行 nvcc --version 应显示 11.7；nvidia-smi 显示的 CUDA 版本可不同（为驱动支持的最高 CUDA），以 nvcc 为准。

2) 创建 Conda 环境并安装基础依赖

• 创建环境：
• conda create -n geneface python=3.9
• conda activate geneface
• FFmpeg：
• conda install -c conda-forge ffmpeg（建议包含 libx264 编解码器，便于 mp4 导出）

3) 安装 PyTorch 2.0.1 + cu117

• 建议命令：
• conda install pytorch==2.0.1 torchvision==0.15.2 torchaudio==2.0.2 pytorch-cuda=11.7 -c pytorch -c nvidia
• 注意：社区经验表明 torch 2.1 + CUDA 12.1 可能导致下游组件（如 torch-ngp）报错，优先使用 2.0.1 + cu117。

4) 安装 PyTorch3D（源码）

• pip install "git+https://github.com/facebookresearch/pytorch3d.git@stable"
• 若编译缓慢或超时，可使用国内镜像源（如清华 TUNA）或在可联网环境下先行构建后离线安装。

5) 安装 MMCV 2.1（通过 MIM）

• pip install cython
• pip install openmim==0.3.9
• mim install mmcv==2.1.0
• 若网络不稳，可使用国内镜像源加速安装。

6) 安装系统音频依赖与项目其余 Python 依赖

• 系统依赖（CentOS 7/8 常见包名）：
• yum install -y alsa-lib-devel portaudio-devel
• 项目依赖：
• 进入项目根目录，执行：pip install -r docs/prepare_env/requirements.txt
• 若 requirements.txt 中涉及 torch-ngp 等组件，请保持 CUDA 11.7 + torch 2.0.1 的组合以避免兼容性问题。

三 运行验证与常见问题

• 验证步骤
• 运行官方提供的 Demo（项目 README / docs 中有说明），检查是否能正常加载模型、合成视频与音频对齐。
• 若 Demo 依赖预训练模型或 3DMM 资源（如 BFM2009），按项目文档下载并放置到指定目录后再运行。
• 常见问题与处理
• 版本不兼容：出现与 torch-ngp 相关的报错时，优先回退到 torch 2.0.1 + CUDA 11.7；避免使用 CUDA 12+。
• 构建失败：PyTorch3D/MMCV 编译慢或超时，优先使用镜像源、升级 gcc/cmake、确保 CUDA 路径正确。
• 音频/视频设备：如无音频输入设备，可先以文件方式运行 Demo；确保 ffmpeg 包含 libx264 以支持 H.264 编码。
• 显存不足：减小 batch size 或分辨率，关闭不必要的后台进程，优先在 V100/A100/3090 等显存充足的卡上运行。

四 补充建议

• 容器化部署：为规避 CentOS 与驱动/编译链差异，可考虑在 Ubuntu 20.04/22.04 + CUDA 11.7 的 Docker 镜像中构建与运行，再挂载数据卷与模型目录。
• 国内加速：pip/conda 安装时优先使用 清华 TUNA 等镜像源；长时间构建建议配置代理或离线缓存。
• 文档参考：优先查阅项目目录 docs/prepare_env/install_guide-zh.md 与社区实战文章，获取最新依赖与踩坑记录。