大家好，又见面了，我是你们的朋友全栈君。
这里说的Deepfakes软件还是DeepFaceLab，人工智能换脸，是使用深度学习方法来实现的。而深度学习程序对电脑配置要求是非常高的，尤其是跑模型这个环节。很多低配电脑，根本就跑步起来。比如像GTX 750 ，1G显存。
默认情况下这种配置肯定跑不了这个程序，但是通过自定义参数也能跑。这对于低配玩家来说绝对是个好消息。
首先，你需要获取的DFL的版本为DeepFaceLabCUDA10.1AVX20190313 或者更高。
其次，你要运行SAE模型，SAE模型的配置参数可以参考：
===== Model summary =====
== Model name: SAE
==
== Current iteration: 169238
==
== Model options:
== |== batch_size : 4
== |== sort_by_yaw : False
== |== random_flip : True
== |== resolution : 128
== |== face_type : f
== |== learn_mask : True
== |== optimizer_mode : 3
== |== archi : df
== |== ae_dims : 256
== |== ed_ch_dims : 32
== |== lighter_encoder : True
== |== multiscale_decoder : False
== |== pixel_loss : True
== |== face_style_power : 0.0
== |== bg_style_power : 0.0
== |== write_preview_history : True
== Running on:
== |== [0 : GeForce GTX 750]
=========================
这个参数配置在训练环节开始的时候可以设置，与默认配置相比，这里主要调整了optimizer_mode ，ae_dims ，ed_ch_dims ，lighter_encoder
optimizer_mode ：3 这个调整是为了让显卡使用共享内存，也就是使用你电脑的内存。
ae_dims : 256，ed_ch_dims : 32 是降低了神经网络的规模，相应的效果会差些。
lighter_encoder : True 使用轻量级密编码器，其实也是降低了神经网络复杂度。
通过牺牲一些效果，你就可以将这个程序跑起来了。
更多内容请参考：DeepFakes中文网
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请联系我们举报，一经查实，本站将立刻删除。
发布者：全栈程序员-站长，转载请注明出处：https://javaforall.net/144033.html原文链接：https://javaforall.net
