如何在矩池云GPU云中跑DeepFaceLab
用Linux系统跑DeepFaceLab的文章我之前已经写过好几篇，有专门针对阿里云的，也有专门针对滴滴云的。今天来搞一搞矩池云（Linux系统安装DFL最新版）。
这次的搞法会和以前不一样，这次将用可视化算的方法使用Linux，在便捷性上会有大幅的提升。基本能实现和window远程桌面一样的效果。对于使用远程Linux系统的人来说，是一种非常方便的一种方式。
矩池云主要是按时间出租2080ti等游戏显卡，价格上来说还是比较有优势，同时深度学习的镜像种类非常多，可以直接使用预装各种Python，tensorfolw，pytorch版本的镜像。对于按时租用，不停中断的平台来说，一个直接可用的预装系统非常重要，可以节省你的时间，时间就是钱啊。近期推出了预装VNC的镜像，这样操作就更加便捷了。
期间也有不少人问过我这个（这类）平台怎么跑DeepFaceLab，今天我就专门写篇文章吧。整个流程我已经提前扫雷。
开干！！！
-
矩池云的使用
-
安装和使用VNC客户端。
-
配置Conda和PiP镜像
-
安装ffmpeg
-
创建虚拟环境
-
获取源代码并安装依赖
-
可视化的方式使用DeepFaceLab
别看细分步骤那么多，其实网络好的话，操作起来非常快。
- 矩池云的使用
矩池云可以按时，按周，按月购买。我这里演示按时购买。
在主机市场上面选择合适的显卡，主要是2080ti和2070，选择的时候还需要注意一点，必须选“可选VNC镜像”的机子 。选好后点击蓝色的我要租用按钮。
然后选择镜像，VNC镜像目前在最后一页，也可以通过搜索VNC 找到，找到后点击选择。还可以使用自己的历史镜像。然后设置一下系统密码，点击下单就好了。
然后页面会跳转到如上界面，右上角显示启动中。
稍等片刻就会出现运行中。此时左边会出现SSH链接，JupyterLab 链接，VNC链接。点击VNC链接后面的小图标复制地址。这个地址在下一步使用VNC的时候会用到。
- 安装和使用VNC客户端。
软件的获取和安装都非常简单。详细的方法可以参考：
https://www.matpool.com/supports/doc-vnc-connect-matpool/
就是一路Next，安装完成后在windows的开始菜单找到图标打开。
然后把地址黏贴在输入框中，点击箭头所指，就会跳出一个窗口，输入密码，勾选就可以进入服务器桌面了。
进入root ，不进入无法使用conda虚拟环境。左上角applications 的地方打开命令行工具，输入：
root
cd ~
- 配置Conda和Pip镜像
time is money 所以这一步非常重要。这里不配置，你既有可能一天都装不完成。其实矩池云本身是有设置了一部分镜像源，按理说应该很快，但是实测还是卡住了。所以我把这几类镜像源的设置方法写一写。
设置conda镜像源
进入用户目录，创建配置文件
cd ~
conda config --set show_channel_urls yes
vi .condarc
按a进入编辑模式，复制下面的内容黏贴，然后按 ESC -> ：->wq->enter 保存修改内容
channels:
- defaults
show_channel_urls: true
channel_alias: https://mirrors.tuna.tsinghua.edu.cn/anaconda
default_channels:
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/pro
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2
custom_channels:
conda-forge: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
msys2: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
bioconda: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
menpo: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
pytorch: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
simpleitk: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
清除索引缓存，保证用的是镜像站提供的索引
conda clean -i
设置pip镜像源
需要先手动创建配置文件
mkdir .pip
vi .pip/pip.conf
复制黏贴下面的内容
[global]
timeout = 6000
index-url = https://pypi.tuna.tsinghua.edu.cn/simple
[install]
trusted-host=pypi.tuna.tsinghua.edu.cn
保存修改即可。
矩池云官方提供了切换镜像源的脚本，操作起来会更加方便一些：
sh /public/script/switch_pip_source.sh
- 安装ffmpeg
Linux平台下FFMEPG往往需要自己安装，为了快速安装ffmpeg，又需要自己设置apt镜像源…（默认20kB/s不到）
设置apt镜像 ，先备份原有的配置文件，然后打开需要修改的文件。
cp /etc/apt/sources.list /etc/apt/sources.list.backup
vim /etc/apt/sources.list
黏贴以下内容后保存
deb http://mirrors.tuna.tsinghua.edu.cn/ubuntu/ xenial main restricted
deb http://mirrors.tuna.tsinghua.edu.cn/ubuntu/ xenial-updates main restricted
deb http://mirrors.tuna.tsinghua.edu.cn/ubuntu/ xenial universe
deb http://mirrors.tuna.tsinghua.edu.cn/ubuntu/ xenial-updates universe
deb http://mirrors.tuna.tsinghua.edu.cn/ubuntu/ xenial multiverse
deb http://mirrors.tuna.tsinghua.edu.cn/ubuntu/ xenial-updates multiverse
deb http://mirrors.tuna.tsinghua.edu.cn/ubuntu/ xenial-backports main restricted universe multiverse
deb http://mirrors.tuna.tsinghua.edu.cn/ubuntu/ xenial-security main restricted
deb http://mirrors.tuna.tsinghua.edu.cn/ubuntu/ xenial-security universe
deb http://mirrors.tuna.tsinghua.edu.cn/ubuntu/ xenial-security multiverse
更新软件源头
apt-get update
安装 ffmpeg(不装后面会直接报错)
apt install ffmpeg
或者可以使用矩池云一键切换脚本
sh /public/script/switch_apt_source.sh
- 创建虚拟环境并激活
使用conda可以非常便捷的创建deepfacelab所需的运行环境。一个命令就会自动安装python，cuda，cudnn等必须的内容。因为上面已经做了一些处理，这个安装过程会很快完成。
conda create -n deepfacelab python=3.6.8 cudnn=7.6.5 cudatoolkit=10.0.130
conda activate deepfacelab
- 获取源代码并安装依赖
这一步主要是github的获取时间问题，国内环境要clone源代码的话，可能得好几天。window我们可以用代理，linux上只能是通过gitee来加速了。背后的工作我已经做完，只要执行一下命令即可。
git clone https://github.com/lbfs/DeepFaceLab_Linux.git
cd DeepFaceLab_Linux
git clone https://gitee.com/dream80/DeepFaceLab.git
python -m pip install -r ./DeepFaceLab/requirements-cuda.txt
获取测试素材
git clone https://gitee.com/dream80/DFLWorkspace.git workspace
进入脚本目录
cd scripts
“不可见字符坑”
上面的步骤做完之后，还有这个字符坑需要填。解决方法在滴滴云那篇文章中有提到过。去deepfacelab的目录找到nn.py这个文件，用VI打开找到红色框中的内容
然后把[] 里面的内容手动删除，手动输入CUDA_CACHE_MAXSIZE
os.environ['CUDA_CACHE_MAXSIZE'] = '536870912' #512Mb (32mb default)
然后进入scripts目录，就可以执行各种脚本了，在以往的Linux教程中，我们没法直接筛选素材，没法看到可视化的训练界面，没法使用可视化的合成界面。这一次，这一些都可以可视化了。
到了这里我们就可以按照DFL工作流程来一步一步运行了。在命令行中输入脚本名称即可运行。比如视频转图片：
./2_extarct_PNG_from_video_data_src.sh
以往我们通过命令行的方式训练模型都是使用nopreview的脚本。这次我们可以直接使用train _saehd.sh 。启动后可以直接看到界面，支持所有预览图上的快捷键，合成的时候也可以启用可视化交互界面。
一切运行成功之后，下次使用只需打开终端命令行工具，切换到root （su root）, 进入用户目录（cd ~）,然后激活虚拟环境（conda activate deepfacelab），然后就可以运行相应的脚本了。
第一次使用这个系统，并且踩了各种坑，记录中间过程，用时大概两个小时。第二次写文章，又搞了几个小时，主要是安装依赖莫名卡住了… 最后做了个镜像，以后就方便了！矩池云部分实例支持镜像保存和还原功能，意思就是即便中断了，下次再次购买时，无需重新配置环境，直接使用。