纯技术教学分享！！自己动手GitHub项目部署全过程！！！！
先看效果：
一、门槛/准备工作：
说实话，这段最基本的要是看不懂可以先去学学，不然的话阻力实在太大问题太多。
pycharm/VSCode（笔者用pycharm），VS2022/2019，python(推荐310以上)，Anaconda（没有的话创建一个虚拟环境就行）。
二、项目地址
https://github.com/hacksider/Deep-Live-Cam.git可以先下载zip，也可以git clone，建议下载zip，速度快。
三、部署过程
查看README.md
这句话你当他没说（除非作好了用较长时间处理一条视频并且很掉帧live实时的准备），咱们得用GPU进行快速处理。
果核就是pip，至于VS，笔者的2019也是很好用的
下一步是要下载两个模型啊，地址放这儿了，也可以点README里边的地址跳转，这一步之前记得换个好点的网络，懂我意思吧，后续是下包，可以全程+素。
下完后把那两个文件放到“models”文件夹
此处开始作者强烈建议用虚拟环境venv进行后续操作！！！！
我比较懒刚开始就没弄，结果给openCV搞污染了一次老实了，虽然我到最后依然还是没有用虚拟环境。有一说一不熟悉的话建议大家还是创建一个：
python -m venv [取一个虚拟环境的名字].\[刚取的名字]\Scripts\activate接下来要下载几个东西：
首先是按照自己的显卡去英伟达官网下载CUDA和CUNN（作者建议11.8）并配置，深度学习必备，用于处理大型计算。没有VS的也下，参考如下博文（有个写的不好的地方是要把cunn的三个文件夹的文件分别拷贝到CUDA安装目录对应的（bin、include、lib）文件夹中，也就是添加，不是覆盖）：
链接1评论区（直接放违规）
同时注意看英伟达官方文档：NVIDIA - CUDA | onnxruntime
另外可以在Nvidia控制面板看到最高支持CUDA Version为多少：
接下来安装ffmpeg
参考（已经非常详细了）：连接2评论区（直接放违规）
完成这一步之后在python的终端安装对应库：
pip install ffmpy如果您是MAC电脑的话到这里请根据README多安装一个tk包。
至此按照原作者的说法已经是能用CPU进行运行了，不过速度会比较慢，终端用如下命令来启动：
python run.py
CPU效果：
所以建议大家继续配置用GPU工作加速处理。不过在此可以先打开作者的run.py，跳到每一个.py文件把自己没有的报错的库文件给安装上(如果有段时间没更新的话记得更新之前有的包)，或者一键安装作者的requirements.txt（不推荐，而且可能会降级一部分已有包，所以还是那五个字：用虚拟环境）
pip install -r requirements.txt要是跟我一样没有完全用作者的版本，记得所有库版本一定要在他之上，不能在它之下，然后我们在pycharm终端中重新安装GPU用到的
pip uninstall onnxruntime onnxruntime-gpu
pip install onnxruntime-gpu==1.16.3这个库轻易不要改动，高版本会出现马赛克脸或者黑框脸。
要是你的库已经全都安装完毕了，现在就可以在终端中执行运行指令了！
注意：千万不要直接点运行按钮或者直接运行，会报错并且报的错暂时笔者也没解决。
python run.py --execution-provider cuda运行之后左边的是选择你想用谁，右边的是你要替换的目标，如果用live的话可以不用选右边。
四、问题合集
兄弟姐妹们遇到问题的话可以发在评论区我有时候随缘上线看能不能帮解决，互相学习，共勉。
有能力的各位可以直接上GitHub的issue里边找有没有解决方案或者评论区讨论。
脸部黑框、马赛克问题：
GitHub上的解决方案：
也就是我上面提到过的
pip uninstall onnxruntime onnxruntime-gpu
pip install onnxruntime-gpu==1.16.3如果感觉这篇文章有帮助到你的话麻烦动动发财的手点点赞！非常感谢各位（抱拳了）收藏以后再学也行嗷。
附：本项目请勿用于商用及恶意攻击造谣等非法行为，若出现类似问题均与本人无关，请自觉遵守法律法规，同时谨慎传承分享技术。
扫一扫
1351
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
