python的simswap库配置详细教程

简介

本文是开源库simswap的配置教程，与另外两个知名库比，它的要求更低，用法更加简洁，但官方教程却写得不够仔细，本文将以图文方式来介绍使用cuda和onnxruntime-gpu来进行具体配置。
注：这个库上使用cuda请确保你有3G以上的显存。

环境配置

第一步配置conda

假定你已经安装了cuda，没安装的查阅另外的教程。
本例中cuda版本为11.4，onnxruntime-gpu也为最新的1.10.0。
查阅cuda版本和onnxruntim-gpu版本的对应关系点击这里。

conda create -n simswap python=3.6
conda activate simswap
conda install pytorch==1.8.0 torchvision==0.9.0 torchaudio==0.8.0 cudatoolkit=10.2 -c pytorch
pip install insightface==0.2.1 onnxruntime moviepy
pip install onnxruntime-gpu #==1.10

以上为新建一个名字叫做simswap的conda环境，并安装各种所需包的过程，其中onnxruntim-gpu的版本参照你的cuda，其他的库的版本都为固定版本，换了可能导致报错。

第二步下载github库和四个模型
若要自己训练，请参阅另外教程，本文只使用预训练模型进行推断。
先把整个库git下来或者点击下载zip链接在这里

然后再：
下载insightface模型
下载图像处理模型
下载两个预训练模型
然后再把以上四个模型放进你下载下来的github库目录：

insightface_func的model目录下是这样（需自行创建models目录）：

parsing_model的目录下是这样（需自行创建checkpoint目录）：

然后是两个预训练模型，一个（.tar无需解压）放在arcface_model文件夹（需自行创建）下，另一个放在根目录的checkpoints文件夹下，需解压：

第三步修改推断代码
找到这个目录（我这里是C:\Users\Administrator.conda\envs\simswap\Lib\site-packages\insightface\model_zoo）下的model_zoo.py：

找到get_model函数的onnxruntime.InferenceSession模块：

把None改成providers=[‘CUDAExecutionProvider’]，原因是必须指定用什么来进行推断：

第四步测试示例
在你下载的github库目录下挂起命令行（可以地址栏直接输入cmd启动），并启动你之前创建的对应conda的环境（输入conda activate simswap），输入以下命令（是换单张face的，换多张face和其他的命令请查阅使用方法）：

python test_video_swapsingle.py --crop_size 224 --use_mask --name people --Arc_path arcface_model/arcface_checkpoint.tar --pic_a_path ./demo_file/Iron_man.jpg --video_path ./demo_file/multi_people_1080p.mp4 --output_path ./output/multi_test_swapsingle.mp4 --temp_path ./temp_results 

无误的情况下将输出以下内容，等待约4分钟推断完成，结果在output目录下：

另外看下运行过程中的性能，确实使用了3个G的显存：