如何用百度AI运行tensorflow和DeepFace

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