CentOS中如何安装GeneFace Plus Plus软件 - AI技术

在 CentOS 上安装 GeneFace++ 的可行方案
一前置条件与版本选择

建议使用 CentOS 7/8（或兼容的 RHEL 系发行版），并准备 NVIDIA GPU（显存建议 ≥ 8 GB）。GeneFace++ 的多数教程在 CUDA 11.7 + PyTorch 2.0.1 的组合下验证通过；也有教程使用 CUDA 11.3 + PyTorch 1.11.0 的搭配。为避免兼容性问题，优先选择 CUDA 11.7 路线。请确保已安装与之匹配的 NVIDIA 驱动，并可通过 nvidia-smi 正常查看 GPU 信息。

二系统级依赖与驱动准备

安装 EPEL 与基础编译工具（CentOS 7/8 常用）：
sudo yum install -y epel-release
sudo yum groupinstall -y "Development Tools"
sudo yum install -y cmake3 gcc gcc-c++ make
安装多媒体与音频依赖（ALSA/PortAudio，便于音频处理与采集）：
sudo yum install -y alsa-lib-devel portaudio-devel
安装 FFmpeg（建议通过 conda 获取较新版本，避免系统仓库版本过旧）：
conda install -c conda-forge ffmpeg
驱动与 CUDA 要点：
确认驱动版本满足所选 CUDA 的要求（如 CUDA 11.7 建议使用 ≥515 的驱动）。
设置环境变量（示例，按实际路径调整）：
echo 'export PATH=/usr/local/cuda-11.7/bin:$PATH' >> ~/.bashrc
echo 'export LD_LIBRARY_PATH=/usr/local/cuda-11.7/lib64:$LD_LIBRARY_PATH' >> ~/.bashrc
source ~/.bashrc
验证：
nvidia-smi
nvcc --version

上述驱动与 CUDA 安装步骤在 Ubuntu 教程中有完整示范，CentOS 下仅需将包管理命令替换为 yum/dnf 即可；ALSA/PortAudio 的依赖安装方式与 Ubuntu 的 apt 不同，但作用一致。
三创建 Conda 环境并安装 Python 依赖

创建隔离环境（Python 3.9 为主流选择）：
conda create -n geneface python=3.9 -y
conda activate geneface
安装 PyTorch（CUDA 11.7 路线，稳定且与项目教程一致）：
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（从源码安装，确保与 CUDA/PyTorch 版本匹配）：
pip install "git+https://github.com/facebookresearch/pytorch3d.git@stable"
安装 MMCV（使用 openmim 加速与锁定版本）：
pip install cython openmim==0.3.9
mim install mmcv==2.1.0
安装项目其余 Python 依赖：
pip install -r docs/prepare_env/requirements.txt

以上版本组合已在 GeneFace++ 多篇部署教程中验证；若网络不稳定，可使用国内镜像源加速安装。
四编译自定义 CUDA 扩展与验证

编译项目自带的 CUDA 扩展（路径与脚本名以仓库为准，常见为 install_ext.sh 或 do 脚本）：
bash docs/prepare_env/install_ext.sh
或按仓库说明执行：bash do
运行环境自检与功能验证（示例）：
测试 3D 重建模块：
export PYTHONPATH=./
CUDA_VISIBLE_DEVICES=0 python deep_3drecon/test.py
生成用于 GeneFace 的重建器配置：
python deep_3drecon/generate_reconstructor_opt_for_geneface.py
若脚本或路径与仓库更新不一致，请以项目 docs/prepare_env/ 下的最新说明为准。上述验证步骤可直接复用 GeneFace 项目提供的测试脚本。

五常见问题与排错要点

版本不匹配导致的问题：
已验证 PyTorch 2.1 + CUDA 12.1 会出现与 torch-ngp 相关的错误；建议固定为 PyTorch 2.0.1 + CUDA 11.7。
构建扩展失败（CUDA 架构/驱动/编译链）：
确认 nvcc --version 与驱动匹配；检查 gcc/g++ 版本；必要时设置 TORCH_CUDA_ARCH_LIST 仅保留本机架构（如 8.6/8.9）。
多媒体依赖缺失：
若运行时报 ALSA/PortAudio 错误，请确认已安装 alsa-lib-devel 与 portaudio-devel，并重新安装相关 Python 音频包。
FFmpeg 不可用：
若系统 FFmpeg 过旧或缺失编解码器，优先使用 conda-forge 提供的 FFmpeg。
国内网络问题：
安装 PyTorch、PyTorch3D、MMCV 等大型包时，可使用清华等镜像源加速（如 -i https://pypi.tuna.tsinghua.edu.cn/simple）。