在Ubuntu18.04上手动部署deepfakes/faceswap(GPU篇)

in Archives with 0 comment

在Ubuntu18.04上手动部署deepfakes/faceswap(CPU篇)中我们介绍过,在Linux系统上使用GPU进行faceswap AI训练相比Windows平台可以节省约20%的显存,因此建议GPU用户在Ubuntu系统下使用deepfakes/faceswap gui。

下面给大家介绍一下如何在Ubuntu18.04上手动部署deepfakes/faceswap,并使用gpu作为后端。

本教程仅适用于N卡用户。

GPU作为后端的环境部署和CPU作为后端类似,不同点在于N卡驱动和CUDA的安装,另外使用miniconda3安装tensorflow时改为tensorflow-gpu。

配置运行环境

更换apt国内源并update&upgrade

请参考CPU篇。

安装N卡驱动

首先可以尝试在Ubuntu terminal中运行:

nvidia-smi

如果系统能识别此命令,且返回的CUDA版本不高于10.0,那么请跳过此步,无需再重新安装N卡驱动和CUDA。

若运行上述命令提示command not found,则运行:

ubuntu-drivers devices

返回的信息中应该有推荐的显卡驱动版本,执行:

sudo ubuntu-drivers autoinstall

自动安装推荐版本的N卡驱动,安装完成以后,再次运行nvidia-smi,若仍然提示命令未找到,那么请重启电脑。

注意:如果BIOS中开启了Secure Boot,在安装完驱动以后需要根据提示进行一些特殊的操作,建议关闭Secure Boot。

安装git

请参考CPU篇。

安装miniconda3

请参考CPU篇。

更换miniconda3国内源

请参考CPU篇。

使用miniconda3创建python3环境

请参考CPU篇。

进入faceswap虚拟化python3环境

请参考CPU篇。

将faceswap源码下载到本地

请参考CPU篇。

安装TensorFlow

首先进入faceswap源码路径,例如:

cd /home/d9/download/faceswap

然后依次运行以下命令:

conda install tk

pip install --default-timeout=300 -i https://pypi.tuna.tsinghua.edu.cn/simple -r requirements.txt

conda install tensorflow-gpu=1.15

国外机器运行上面第二行命令时可省略 -i https://pypi.tuna.tsinghua.edu.cn/simple

注意上述命令第三行与CPU篇相比,tensorflow多了个-gpu后缀。

运行faceswap gui

请参考CPU篇。

初次运行,faceswap会提示模式选择,分别为1:AMD、2:CPU、3:NVIDIA,这里我们输入3,回车;

关于deepfakes/faceswap的使用,可以参考以下教程:

deepfakes/faceswap gui详细使用教程(Extract/提取篇)

deepfakes/faceswap gui详细使用教程(Training/训练篇)

deepfakes/faceswap gui详细使用教程(Convert/转换篇)

注意事项

tensorflow及cuda版本支持

faceswap目前最高支持的tensorflow版本为1.15,对应cuda版本为10.0;

如果你的显卡兼容的CUDA版本为9.0,那么可以尝试安装tensorflow-gpu 1.13版本;

如果你的显卡兼容的CUDA版本低于9.0,那么需要自己手动编译tensorflow,无法使用本教程的命令安装tensorflow-gpu。

Comments are closed.