在google colab平台使用免费GPU跑deepfaceLab

原文链接： https://blog.csdn.net/qq_36213248/article/details/93738804

第一步 准备好workspace，参考链接

这一部你可以选着两种方式

1.使用默认的workspace，你无需自己上传，仅用于熟悉操作。

2.通过Google Drive （谷歌云盘）上传自己的workspace到指定目录。

注意：谷歌网址现在都需要“科学上网”才能访问。

# 1.挂载谷歌云盘
# 点击链接授权，复制授权嘛，填入方框回车。

from google.colab import drive

drive.mount('/content/drive', force_remount=True)

# 2.创建DeepFaceLab目录，并且进入目录
%cd /content/drive/My\ Drive/
!mkdir DeepFaceLab
%cd /content/drive/My\ Drive/DeepFaceLab/

# 3.下载workspace数据
!git clone https://github.com/dream80/DFLWorkspace.git workspace

第二步 安装DeepFaceLab

# 1.获取DFL源代码
!git clone https://github.com/iperov/DeepFaceLab.git

# 2.进入DeepFaceLab目录
%cd /content/drive/My Drive/DeepFaceLab/DeepFaceLab

# 3.安装Python依赖
!pip install -r requirements-colab.txt
!pip install --upgrade scikit-image

第三步 提取脸部

# 1.确保路径正确，进入DeepFaceLab

%cd /content/drive/My Drive/DeepFaceLab/DeepFaceLab

# 2.SRC视频转图片

!python main.py videoed extract-video --input-file ../workspace/data_src.mp4 --output-dir ../workspace/data_src/

# 3.SRC提取脸部图片

!python main.py extract --input-dir ../workspace/data_src --output-dir ../workspace/data_src/aligned --detector s3fd --debug-dir ../workspace/data_src/aligned_debug

# 4.SRC排序，可以通过谷歌云盘查看结果，删除不良图片

!python main.py sort --input-dir ../workspace/data_src/aligned --by hist

# 5.DST视频转图片

!python main.py videoed extract-video --input-file ../workspace/data_dst.mp4 --output-dir ../workspace/data_dst/

# 6.DST提取脸部图片

!python main.py extract --input-dir ../workspace/data_dst --output-dir ../workspace/data_dst/aligned --detector s3fd --debug-dir ../workspace/data_dst/aligned_debug

# 7.DST排序，可以通过谷歌云盘查看结果，删除不良图片

!python main.py sort --input-dir ../workspace/data_dst/aligned --by hist

第四步 训练模型

• 支持H128,SAE,DF, LIAEF128等模型，根据自己的情况选择模型。
• 训练开始是需要配置参数，记得开启预览，其他参数根据自己情况选择，使用默认参数的话直接回车即可。
• 不想训练了可以点击停止，停止时会抛出异常，但是没什么关系。下次可以继续训练
• 如果想要查看history ，先停止训练，然后点击下面第三段代码

​
# 确保路径正确，进入DeepFaceLab_Colab

%cd /content/drive/My Drive/DeepFaceLab/DeepFaceLab

​

下面是启动模型训练的脚本，不要全部点，只要点其中一个。默认使用第一个SAE

 

# 1.Running trainer. SAE 

!python main.py train --training-data-src-dir ../workspace/data_src/aligned --training-data-dst-dir ../workspace/data_dst/aligned --model-dir ../workspace/model --model SAE --no-preview

# 2.Running trainer  H128

!python main.py train --training-data-src-dir ../workspace/data_src/aligned --training-data-dst-dir ../workspace/data_dst/aligned --model-dir ../workspace/model --model H128 --no-preview

 

# 3.Running trainer. DF 

!python main.py train --training-data-src-dir ../workspace/data_src/aligned --training-data-dst-dir ../workspace/data_dst/aligned --model-dir ../workspace/model --model DF --no-preview

# 4.Running trainer. LIAEF128 

!python main.py train --training-data-src-dir ../workspace/data_src/aligned --training-data-dst-dir ../workspace/data_dst/aligned --model-dir ../workspace/model --model LIAEF128 --no-preview

第五步 转换输出

默认使用SAE进行转换，如果需要其他模型，请修改命令中的参数。

比如将 --model SAE 修改为 --model H128

# 1.用src中的脸替换dst的脸 
!python main.py convert --input-dir ../workspace/data_dst --output-dir ../workspace/data_dst/merged --aligned-dir ../workspace/data_dst/aligned --model-dir ../workspace/model --model SAE

# 2.把替换好的图片转换成视频

!python main.py videoed video-from-sequence --input-dir ../workspace/data_dst/merged --output-file ../workspace/result.mp4 --reference-file ../workspace/data_dst.mp4

第六步 继续训练

当你第二次开始训练，或者掉线之后继续训练时并不需要执行上面所有的步骤。只需要下面简单的几个步骤。

1. 挂载云盘
2. 安装依赖
3. 开始训练

#挂载谷歌云盘
#点击链接授权，复制授权码，填入框框，然后回车。

from google.colab import drive
drive.mount('/content/drive', force_remount=True)

# 进入DeepFaceLab_Colab目录
%cd /content/drive/My Drive/DeepFaceLab/DeepFaceLab

# 安装Python依赖
!pip install -r requirements-colab.txt
!pip install --upgrade scikit-image

# 开始训练SAE ，如果是其他模型，修改后面的参数即可。

!python main.py train --training-data-src-dir ../workspace/data_src/aligned --training-data-dst-dir ../workspace/data_dst/aligned --model-dir ../workspace/model --model SAE --no-preview