Windows下GeneFace++安装注意事项

Windows 下 GeneFace++ 安装注意事项
一 环境与工具链

• 建议使用 Windows 10/11 64 位，并确保系统与驱动为较新版本，减少兼容性问题。
• 使用 Python 3.8/3.9（或项目要求的版本），优先通过 Anaconda/venv 创建隔离环境，避免依赖冲突。
• 安装 Visual Studio Build Tools（2019 及以上），勾选 C++ 生成工具 与 Windows 10/11 SDK，以便编译 C/C++/CUDA 扩展。
• 若需 GPU：安装与 PyTorch 版本匹配的 CUDA Toolkit 与 cuDNN，并确认 NVIDIA 显卡驱动为最新稳定版。

二 依赖与 PyTorch 版本匹配

• 优先使用项目提供的 requirements.txt 安装依赖；常见核心包包括：numpy、opencv-python、scikit-learn、torch、torchvision。
• GPU 用户安装与 CUDA 版本对应的 PyTorch 预编译包（如 torch==1.12.0+cu116 搭配 torchvision==0.13.0+cu116），避免 CPU/GPU 混用导致运行异常。
• 注意 Python、CUDA、cuDNN、PyTorch 四者的版本对应关系，尽量保持全部为 x64 架构。

三 源码获取与编译要点

• 通过 git clone 或下载源码压缩包获取项目，进入项目根目录后再执行后续步骤。
• 创建并进入 build 目录，使用 CMake 生成工程文件；GPU/CPU 混用或架构不匹配时，显式指定生成器与架构：
• 示例：cmake .. -G "Visual Studio 16 2019" -A x64 -DPYTHON_EXECUTABLE=path\to\python.exe
• 以 Release 模式编译：cmake --build . --config Release，提升运行性能并减少调试符号带来的干扰。
• 若工程包含 Python 扩展或安装脚本，执行 pip install . 完成安装。

四 常见报错与快速排查

• 报错 “Inference ERROR: Expected all tensors to be on the same device”：多为 CPU/GPU 张量混用或环境混乱，重建 venv/conda 环境并统一 device（如 cuda:0 或 cpu）。
• 数据处理阶段 “提取图片时卡住”：在相应脚本中加入参数 --force_single_process 规避多进程死锁。
• 训练日志出现 “loss_output['ambient_loss'].item() AttributeError”：按兼容性做小修补，例如：
• try: current_ambient_loss = loss_output['ambient_loss'].item() except AttributeError: current_ambient_loss = loss_output['ambient_loss']。
• 若遇到通用安装问题：校验安装包完整性（如 SHA256）、尝试 以管理员身份运行、在安装阶段 临时关闭杀毒软件/防火墙、确认 系统版本兼容 与 磁盘空间充足。

五 运行与优化建议

• 将项目可执行文件或脚本目录加入 PATH，便于全局调用；必要时在命令行中 setx PATH "%PATH%;C:\your\path" 并重启终端。
• 运行前用项目 示例/测试脚本 验证环境可用性，确认 GPU 可见（torch.cuda.is_available() 返回 True）。
• 保持 显卡驱动、CUDA/cuDNN、PyTorch 的匹配与更新；定期 清理缓存与临时文件、监控 资源占用，确保长时间运行的稳定性。