很久没有写博客了,今天和大家一起耍一下deep face lab,由于没有显卡,就用的cpu跑,速度真的是慢到怀疑人生,跑了一个月,效果惨不忍睹。偶然间看到了互联网巨头GOOGLE的colab和BAI度家的AI-studio
先说说GOOGLE的colab
下面是notebook的一键脚本,可以复制到浏览器,按照脚本步骤来跑,很容易看懂。
https://colab.research.google.com/github/dream80/DeepFaceLab_Colab/blob/master/DeepFaceLab_Colab_V4.ipynb
注册谷歌账号,激活谷歌网盘,自行寻找科学上网方案。说实话这个谷歌确实挺快的,15分钟就跑完了我CPU一周的结果,就是跑着跑着就被谷歌T下线了,是非常容易掉线,而且冷却时间非常长,受不了,在这里我不做推荐。
接下来我们着重说下BAI度AI-studio,基础配置也很高,看截图
每天跑一下代码,算力就有了,基本上用不完,百度真是良心。白嫖党的福利。
废话少说,现在入正题。
如何安装DeepFaceLab的环境,既然是要用显卡跑,那我们就先安装tensorflow-gpu版本,这个是DeepFaceLab的cuda环境下的包
首先我们配置环境,在notebook下运行,查看path路径,我们把包都安装在/opt/conda/envs/path35-paddle120-env/下面
cd进入目录,激活环境source activate命令
pip list查看环境下的包
numpy==1.16.3
h5py==2.9.0
Keras==2.2.4
opencv-python==4.0.0.21
tensorflow-gpu==1.12.0
plaidml==0.6.0
plaidml-keras==0.5.0
scikit-image
tqdm
ffmpeg-python==0.1.17
git+https://www.github.com/keras-team/keras-contrib.git
我们先查看分配的cuda版本,进入运行命令nvidia-smi,发现分配的是cuda10.1,我安装的默认的tensorflow-gpu版本是1.12.0.我发现import会报错,测试了一下1.14版本和2.1版本都不行,最后发现1.15.0和1.15.2还是比较兼容的。不让大家走完弯路
import一下tensorflow ,没有报错,成功运行
我们能看到是一块特斯拉V100的显卡,很不错。
如果不会配置,可以一路回车默认设置,下面是运行界面。
补图,跑H128模型运行迭代速度1.8秒,还算凑合
查看显卡,满负荷运行。
这个是迭代了78600次,loss已经到了0.10,观察第五列这种状态其实已经可以合成了,合成时微调选项能达到不错的效果。
愉快的玩耍吧,详细代码见github