如何在Linux系统安装GeneFace++

Linux系统安装与运行GeneFace++
一 环境准备与驱动安装

• 建议使用Ubuntu 22.04，显卡至少24GB显存（如 RTX 3090），并准备稳定的网络以下载模型与依赖。
• 安装与CUDA 11.7匹配的NVIDIA驱动（示例为535）：
• 卸载旧驱动并添加显卡驱动PPA：
• sudo apt-get --purge remove "nvidia"
• sudo apt-get autoremove && sudo apt-get autoclean
• sudo add-apt-repository ppa:graphics-drivers/ppa && sudo apt-get update
• sudo apt-get install nvidia-driver-535
• 安装CUDA Toolkit 11.7（仅Toolkit）：
• wget https://developer.download.nvidia.com/compute/cuda/11.7.0/local_installers/cuda_11.7.0_515.43.04_linux.run
• sudo sh cuda_11.7.0_515.43.04_linux.run（安装时仅勾选CUDA Toolkit）
• 配置环境变量（写入~/.bashrc并source，随后重启）：
• export PATH="/usr/local/cuda-11.7/bin:$PATH"
• export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda-11.7/lib64
• export PATH=$PATH:/usr/local/cuda/bin
• export CUDA_HOME=/usr/local/cuda
• 验证：nvcc --version 应显示release 11.7。

二 创建环境并安装Python依赖

• 创建conda环境并安装PyTorch（建议2.0.1+cu117，避免2.1+cu121与torch-ngp不兼容）：
• conda create -n geneface python=3.9
• conda activate geneface
• conda install pytorch==2.0.1 torchvision==0.15.2 torchaudio==2.0.2 pytorch-cuda=11.7 -c nvidia -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/main -c https://mirrors.tuna.tsinghua.edu://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/free
• 安装pytorch3d（源码方式，网络不稳可用代理）：
• pip install "git+https://github.com/facebookresearch/pytorch3d.git@stable"
• 安装MMCV 2.1.0（使用mim加速）：
• pip install cython -i https://pypi.tuna.tsinghua.edu.cn/simple
• pip install openmim==0.3.9 -i https://pypi.tuna.tsinghua.edu.cn/simple
• mim install mmcv==2.1.0
• 安装系统依赖与项目依赖：
• sudo apt-get install libasound2-dev portaudio19-dev
• pip install -r docs/prepare_env/requirements.txt -v -i https://pypi.tuna.tsinghua.edu://mirrors.tuna.tsinghua.edu.cn/simple
• 构建扩展（torch-ngp等）：
• bash docs/prepare_env/install_ext.sh

三 准备模型与数据

• 下载BFM2009模型，解压后将8个文件放入/deep_3drecon/BFM/，目录结构应为：
• 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、std_exp.txt
• 下载预处理好的May数据集trainval_dataset.npy，放入data/binary/videos/May/trainval_dataset.npy。

四 快速验证与运行

• 设置本地模型缓存镜像（避免Hugging Face下载慢或失败）：
• 在推理脚本（如 inference/genefacepp_infer.py、inference/app_genefacepp.py）顶部加入：
• os.environ['HF_ENDPOINT'] = 'https://hf-mirror.com'
• os.environ["KMP_DUPLICATE_LIB_OK"]="TRUE"
• 命令行推理（示例音频为data/raw/val_wavs/MacronSpeech.wav）：
• export PYTHONPATH=./
• python inference/genefacepp_infer.py --a2m_ckpt=checkpoints/audio2motion_vae --head_ckpt= --torso_ckpt=checkpoints/motion2video_nerf/may_torso --drv_aud=data/raw/val_wavs/MacronSpeech.wav --out_name=may_demo.mp4
• Gradio WebUI（局域网访问）：
• 修改 inference/app_genefacepp.py 中的 server 为服务器IP（如192.168.xx.xx）
• export PYTHONPATH=./
• python inference/app_genefacepp.py --a2m_ckpt=checkpoints/audio2motion_vae --head_ckpt= --torso_ckpt=checkpoints/motion2video_nerf/may_torso
• 若Hugging Face模型下载失败，可将缓存目录（如/home/<你的用户名>/.cache/huggingface/hub/）中的对应模型复制到目标环境的缓存路径下再运行。

五 常见问题与排错

• 版本不兼容：优先使用PyTorch 2.0.1+cu117；2.1+cu121可能导致torch-ngp报错。
• 驱动与CUDA：CUDA 11.7需驱动版本≥515；若安装器未装驱动，可后续单独安装或重跑安装器加--driver参数。
• 扩展编译失败：确保已安装CUDA Toolkit 11.7、合适版本的gcc/g++，并满足显卡架构支持；必要时设置CUDA_HOME与PATH后重试。
• 依赖安装慢或超时：使用清华镜像源安装Python包；git克隆与pytorch3d源码安装可配置代理。
• 模型下载慢/失败：设置HF_ENDPOINT=https://hf-mirror.com；或手动下载模型到本地缓存目录后再运行。