Windows部署GeneFace++的方法

Windows部署GeneFace++实操指南
一 环境准备

• 操作系统与工具
• 建议使用Windows 10/11 64位，以获得更好的驱动与编译兼容性。
• 安装Python 3.8–3.10（3.6+亦可，但更推荐新版本），可用Anaconda/venv隔离环境。
• 安装Visual Studio Build Tools 2019/2022（勾选“C++ 桌面开发”），用于编译可能的C/C++或CUDA扩展。
• GPU与驱动（如需加速）
• 更新NVIDIA显卡驱动；安装与PyTorch匹配的CUDA Toolkit与cuDNN，版本需严格对应。
• 验证命令：nvidia-smi（查看驱动与CUDA运行时）、nvcc --version（查看Toolkit版本）。

二 获取源码与安装依赖

• 获取源码
• 从项目官方仓库克隆或下载ZIP到本地，进入项目根目录。
• 创建并激活虚拟环境
• 使用venv：python -m venv geneface_env && geneface_env\Scripts\activate
• 或使用conda：conda create -n geneface python=3.9 -y && conda activate geneface
• 安装Python依赖
• 有requirements.txt时：pip install -r requirements.txt
• 无则先安装核心包：pip install numpy opencv-python torch torchvision
• 如需指定CUDA版本的PyTorch，可使用官方通道，例如：pip install torch torchvision --extra-index-url https://download.pytorch.org/whl/cu118（示例为CUDA 11.8）。

三 编译与安装

• 若项目包含C/C++或CUDA扩展，使用CMake构建：
• 在项目根目录执行：

mkdir build && cd build
cmake .. -G "Visual Studio 16 2019" -A x64 -DPYTHON_EXECUTABLE=path\to\python.exe
cmake --build . --config Release

• 若工程提供Python安装入口，继续执行：pip install . 或 python setup.py install
• 如项目无C/C++扩展，可跳过编译，直接安装依赖并进入运行验证。

四 运行与验证

• 运行示例或主程序
• 常见入口：python main.py
• 若有WebUI：python webui.py，控制台会输出类似“Running on local URL: http://0.0.0.0:8080”的提示，浏览器访问即可。
• GPU可用性自检
• 在Python中执行：

import torch
print("CUDA available:", torch.cuda.is_available())
print("CUDA device count:", torch.cuda.device_count())

• 返回True表示GPU可被调用。

五 常见问题与快速排障

• 版本不匹配
• 确保Python版本、PyTorch版本与CUDA/cuDNN匹配；优先使用虚拟环境隔离依赖。
• 构建失败
• 确认已安装VS Build Tools与正确CMake；CUDA扩展需对应Toolkit版本；必要时清理build目录后重来。
• GPU不可用
• 检查驱动、nvidia-smi与nvcc --version输出；确认PyTorch为GPU版且CUDA版本一致；在代码中显式指定device：torch.device("cuda" if torch.cuda.is_available() else "cpu")。
• 依赖冲突
• 使用独立的venv/conda环境；对冲突包固定版本或重装；优先以项目README与issue为准。