视觉学习笔记2——复现iPERCore ，对图片进行人体运动模仿（一个自己感兴趣的项目）-CSDN博客

本文链接：https://blog.csdn.net/qq_45848817/article/details/120327119

本文档详细介绍了如何在Linux环境下，特别是Ubuntu18系统上，搭建并运行开源项目iPERCore。该项目基于LiquidWarpingGANwithAttention模型，用于人体图像合成。首先，你需要具备一定的硬件条件，如中端显卡，并安装必要的软件环境，如Anaconda和PyTorch。然后，创建并激活Anaconda虚拟环境，安装ffmpeg、Git及项目依赖的权重文件。在安装mmdetection、mmediting和neural_renderer等包时可能会遇到问题，本文提供了错误解决方案。通过命令行运行指定脚本，调整参数如--gpu_ids和--image_size，即可实现项目的基本运用。复现并实践这样的项目能帮助你在视觉学习中保持兴趣。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

一、iPERCore是什么？

iPERCore是GitHub上的一个开源项目，对应论文的是Liquid Warping GAN with Attention: A Unified Framework for Human Image Synthesis

一些简单的介绍可以看看这篇专门介绍的博客，这我就不在这里啰嗦了。

另外相关的论文（论文是EI的，比较难找）以及下面要使用的一些权重文件可以从百度网盘里下载（提取码：jack）

请添加图片描述

二、硬件与基本环境准备

1.硬件

电脑一台
显卡（中端显卡起步，具体可以看下图）

2.基本环境

Linux系统
Ubuntu18，NVIDIA，cuda10.1，cudnn，pycharm，anaconda3，pytorch（具体安装方法可以看我以前的博客）

三、搭建iPERCore环境

首先去把iPERCore项目源文件下载下来
在完成第二步基础环境的搭建后，开始搭建它独有环境。

虚拟环境
创建一个新的anaconda虚拟环境

conda create -n （自定义环境名） python=3.6

激活进入虚拟环境：

 source activate（自定义环境名）

安装ffmpeg、Git

apt-get install ffmpeg 
 apt-get install git

下载权重文件
可以在前面我提到的第一个百度网盘里下载，如果第一个失效了请在第二个百度网盘（密码：uomm）里下载。

把下载下来的权重文件压缩包解压到源文件包iPERCore/assets下
安装mmdetection 、mmediting与neural_renderer包
正常来说执行到这一步就可以直接在命令行（虚拟环境下）cd到iPER文件夹中运行：
```
python setup.py develop
```
如果你运气好在安装编译过程中就没有出现报错，但运气不好出现报错的话可能是一些位置（地理位置）原因导致的。其中最容易出现问题的就是mmdetection 、mmediting与neural_renderer包这三个包，我们打开源文件下的full_reqs.txt文本可以看见mmdetection 、mmediting与neural_renderer包这三个包的Git下载命令，我们截取其中的GitHub地址分别单独下载。

下载好这三个压缩包后，把mmdetection 、mmediting直接解压放进site-packages（具体路径看下图，guanjie是你自己的虚拟环境名）下。

剩下的neural_renderer包处理就稍微麻烦点，先解压neural_renderer包，然后终端进入虚拟环境cd到neural_renderer文件夹下，再执行以下命令。
```
python3 setup.py install
```
如果顺利的话这三个包就可以成功安装了。
一些error解决
（1）如果有提示一些包没安装的话，我这里提供我的虚拟环境的所有安装库。

（2）报错 No CUDA GPUs are available
首先，查看自己是否真的拥有可用的GPU
```
print(torch.cuda.device_count())
print(torch.cuda.is_available())
	测试输出是否1和True
```
如果是1与True那就是说明显卡和GPU是正常可用的，可以尝试执行这一段
```
export CUDA_HOME=/usr/local/cuda-10.1
```
这样它就可以成功识别到你的CUDA了
（3）CUDA内存不足
RuntimeError: CUDA out of memory. Tried to allocate 1.49 GiB (GPU 0; 5.80 GiB total capacity; 938.49 MiB already allocated; 1.13 GiB free; 3.43 GiB reserved in total by PyTorch)
请看下面的指令 –image_size 使用
（4）当前来源数量为1，而预定义来源数量为2
请看下面的指令 –gpu_ids 使用