目录
Introduction to the environment
OS: CentOS7.9.2009
Mem: 12G
CPU: 4C
Disk: 80G
Network: Bridge
IP: 192.168.1.120/24
install python
yum -y install wget zlib zlib-devel bzip2-devel openssl-devel
ncurses-devel sqlite-devel readline-devel tk-devel gdbm-devel
db4-devel libpcap-devel xz-devel libffi-devel gcc gcc-c++
vim mesa-libGL.x86_64 git
mkdir /software /usr/local/python3 && cd /software
wget https://www.python.org/ftp/python/3.11.1/Python-3.11.1.tgz
tar xf Python-3.11.1.tgz
cd Python-3.11.1
./configure prefix=/usr/local/python3 --with-ensurepip=install
make -j4 && make install
vim /etc/profile
export PYTHON_HOME=/usr/local/python3
export PATH=$PYTHON_HOME/bin:$PATH
source /etc/profile
python3 --version
install conda
wget https://mirrors.bfsu.edu.cn/anaconda/archive/Anaconda3-2022.10-Linux-x86_64.sh --no-check-certificate
bash Anaconda3-2022.10-Linux-x86_64.sh
接下来会出现一堆的License许可声明，注：按空格键来一页一页的翻
出现如下文字，输入yes
Do you accept the license terms? [yes|no]
[no] >>> yes
接下来要选择安装目录，如果无需更改直接回车即可，如需更改要输入绝对路径：
注：可以先查看下硬盘的挂载情况再自行选择安装目录 (df -Th)
Anaconda3 will now be installed into this location:
/root/anaconda3
- Press ENTER to confirm the location
- Press CTRL-C to abort the installation
- Or specify a different location below
[/root/anaconda3] >>> /anaconda3 # 不需要提前创建/anaconda3目录，如无则会新创建
等一会儿后会问是否需要进行conda的初始化，建议输入no。
若选择yes会在/root/.bashrc目录中自动添加环境变量，会使得开机自动启动base环境。
(这里应该是新版安装包的改动之处，老版本的安装包都是问是否需要添加conda至环境变量，
且默认直接回车Enter是不添加，若未添加后续需要手动添加)
Do you wish the installer to initialize Anaconda3
by running conda init? [yes|no]
[no] >>> no
看到如下提示则安装成功：
Thank you for installing Anaconda3!
==================================================================
Working with Python and Jupyter is a breeze in DataSpell. It is an IDE
designed for exploratory data analysis and ML. Get better data insights
with DataSpell.
DataSpell for Anaconda is available at: https://www.anaconda.com/dataspell
# 因为在初始化时选择了no，即不自动配置环境变量所以安装完后要手动配置
echo 'export PATH=/anaconda3/bin:$PATH' >> /etc/profile
source /etc/profile
echo $PATH
# 查看conda版本
conda --version
# conda基本命令
conda create -n opop python=3 #创建python3(.11)的opop虚拟环境
conda activate opop #开启opop环境
# conda deactivate #关闭环境,这里不能正常退出，需要exit退出整个连接重新登录
conda env list #显示所有的虚拟环境
conda info --envs #显示所有的虚拟环境
conda list #查看已经安装的文件包
conda list -n opop #指定查看opop虚拟环境下安装的package
conda update opop #更新xxx文件包
conda uninstall opop #卸载xxx文件包
# 环境的创建、删除、清理
conda create -n xxxx python==3.11 创建名字是xxxx且默认python版本是3.7的虚拟环境
conda remove -n xxxx --all 创建xxxx虚拟环境
conda clean -p 删除没有用的包
conda clean -t 删除tar包
conda clean -y --all 删除所有的安装包及cache
# 克隆oldname环境为newname环境
conda create --name newname --clone oldname
# 彻底删除旧环境
conda remove --name oldname --all
# 包的查找、安装、删除
conda search -t conda tensorflow 查找
conda show <USER/PACKAGE> 显示信息
conda show tensorflow
conda install --channel https://conda.anaconda.org/anaconda tensorflow=1.8.0 指定源的安装
install pytorch
Official website
pytorch官网
nvidia官网
# 因为我用的是虚拟机，虚拟机中没有GPU，所以我在Compute Platform项中选用的CPU 且通过pip安装，下面是用CPU的安装命令，如你用的CUDA1也有对应的版本和安装命令
pip3 install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cpu -i https://pypi.tuna.tsinghua.edu.cn/simple
install Other packages (in required)
# git clone repository
git clone --depth=1 git@github.com:sczhou/CodeFormer.git
cd CodeFormer
=====================================
# create new anaconda env
conda create -n codeformer python=3 -y
conda activate codeformer
=====================================
# install python dependencies
[root@template CodeFormer]# pwd
/root/CodeFormer
# 安装依赖
pip3 install -r requirements.txt
# 安装可视化页面
pip3 install gradio
python basicsr/setup.py develop
# 报错
File "/anaconda3/lib/python3.9/site-packages/PIL/Image.py", line 100, in <module>
from . import _imaging as core
ImportError: /lib64/libstdc++.so.6: version `CXXABI_1.3.9' not found (required by /anaconda3/lib/python3.9/site-packages/PIL/../../.././libLerc.so)
# 解决
wget http://mirror.centos.org/centos/7/os/x86_64/Packages/libstdc++-4.8.5-44.el7.i686.rpm
yum -y install libstdc++-4.8.5-44.el7.i686.rpm
[root@template CodeFormer]# find / -name libstdc++.so.6
/usr/lib64/libstdc++.so.6
/usr/lib/libstdc++.so.6
/anaconda3/pkgs/libstdcxx-ng-11.2.0-h1234567_1/lib/libstdc++.so.6
/anaconda3/lib/libstdc++.so.6
/anaconda3/envs/codeformer/lib/libstdc++.so.6
/anaconda3/envs/opop/lib/libstdc++.so.6
[root@template CodeFormer]# strings /anaconda3/lib/libstdc++.so.6 | grep CXXABI_1.3.9
CXXABI_1.3.9
CXXABI_1.3.9
[root@template CodeFormer]# mv /usr/lib64/libstdc++.so.6{,-bak}
[root@template CodeFormer]# cp /anaconda3/lib/libstdc++.so.6
/usr/lib64/
# Let's do it again
python basicsr/setup.py develop
# 安装2个训练模型
python3 scripts/download_pretrained_models.py facelib # facelib训练
python3 scripts/download_pretrained_models.py CodeFormer # CodeFormer预训练
How to USE
[root@template CodeFormer]# pwd
/root/CodeFormer
[root@template CodeFormer]# ll
总用量 64
drwxr-xr-x 2 root root 4096 1月 24 10:00 assets
drwxr-xr-x 10 root root 4096 1月 24 11:02 basicsr
drwxr-xr-x 2 root root 4096 1月 24 10:58 basicsr.egg-info
drwxr-xr-x 5 root root 4096 1月 24 10:00 facelib
-rw-r--r-- 1 root root 12401 1月 24 10:00 inference_codeformer.py
drwxr-xr-x 4 root root 4096 1月 24 10:00 inputs ====> 这个目录
-rw-r--r-- 1 root root 1717 1月 24 10:00 LICENSE
-rw-r--r-- 1 root root 8032 1月 24 10:00 README.md
-rw-r--r-- 1 root root 194 1月 24 10:00 requirements.txt
drwxr-xr-x 2 root root 4096 1月 24 10:00 scripts
drwxr-xr-x 4 root root 4096 1月 24 10:00 web-demos
drwxr-xr-x 4 root root 4096 1月 24 10:00 weights
# 待修复的图片都放到如下目录中
[root@template CodeFormer]# ll inputs/cropped_faces/
总用量 3836
-rw-r--r-- 1 root root 158278 1月 24 10:00 0143.png
-rw-r--r-- 1 root root 190663 1月 24 10:00 0240.png
-rw-r--r-- 1 root root 184493 1月 24 10:00 0342.png
-rw-r--r-- 1 root root 188567 1月 24 10:00 0345.png
-rw-r--r-- 1 root root 192242 1月 24 10:00 0368.png
-rw-r--r-- 1 root root 213670 1月 24 10:00 0412.png
-rw-r--r-- 1 root root 175751 1月 24 10:00 0444.png
-rw-r--r-- 1 root root 179744 1月 24 10:00 0478.png
-rw-r--r-- 1 root root 231675 1月 24 10:00 0500.png
-rw-r--r-- 1 root root 184343 1月 24 10:00 0599.png
-rw-r--r-- 1 root root 191366 1月 24 10:00 0717.png
-rw-r--r-- 1 root root 157743 1月 24 10:00 0720.png
-rw-r--r-- 1 root root 172957 1月 24 10:00 0729.png
-rw-r--r-- 1 root root 139246 1月 24 10:00 0763.png
-rw-r--r-- 1 root root 172497 1月 24 10:00 0770.png
-rw-r--r-- 1 root root 162554 1月 24 10:00 0777.png
-rw-r--r-- 1 root root 184199 1月 24 10:00 0885.png
-rw-r--r-- 1 root root 171865 1月 24 10:00 0934.png
-rw-r--r-- 1 root root 326792 1月 24 10:00 Solvay_conference_1927_0018.png
-rw-r--r-- 1 root root 313098 1月 24 10:00 Solvay_conference_1927_2_16.png
# 开始修复
# github上也有修复命令的说明，如下
# For cropped and aligned faces
python inference_codeformer.py -w 0.5 --has_aligned --input_path [image folder]|[image path]
# 这里使用目录进行修复，即该目录下的所有图片都修复
[root@template CodeFormer]# python3 inference_codeformer.py -w 0.5 --has_aligned --input_path /root/CodeFormer/inputs/cropped_faces/
Background upsampling: False, Face upsampling: False
[1/20] Processing: 0143.png
[2/20] Processing: 0240.png
[3/20] Processing: 0342.png
[4/20] Processing: 0345.png
[5/20] Processing: 0368.png
[6/20] Processing: 0412.png
[7/20] Processing: 0444.png
[8/20] Processing: 0478.png
[9/20] Processing: 0500.png
[10/20] Processing: 0599.png
[11/20] Processing: 0717.png
[12/20] Processing: 0720.png
[13/20] Processing: 0729.png
[14/20] Processing: 0763.png
[15/20] Processing: 0770.png
[16/20] Processing: 0777.png
[17/20] Processing: 0885.png
[18/20] Processing: 0934.png
[19/20] Processing: Solvay_conference_1927_0018.png
[20/20] Processing: Solvay_conference_1927_2_16.png
All results are saved in results/cropped_faces_0.5 # 修复好的图片保存位置
[root@template CodeFormer]# ll results/cropped_faces_0.5/restored_faces/
总用量 8492
-rw-r--r-- 1 root root 417385 1月 24 11:30 0143.png
-rw-r--r-- 1 root root 428293 1月 24 11:30 0240.png
-rw-r--r-- 1 root root 409355 1月 24 11:31 0342.png
-rw-r--r-- 1 root root 417624 1月 24 11:31 0345.png
-rw-r--r-- 1 root root 458831 1月 24 11:31 0368.png
-rw-r--r-- 1 root root 467723 1月 24 11:31 0412.png
-rw-r--r-- 1 root root 483361 1月 24 11:31 0444.png
-rw-r--r-- 1 root root 404973 1月 24 11:31 0478.png
-rw-r--r-- 1 root root 499201 1月 24 11:31 0500.png
-rw-r--r-- 1 root root 451767 1月 24 11:31 0599.png
-rw-r--r-- 1 root root 429104 1月 24 11:31 0717.png
-rw-r--r-- 1 root root 438074 1月 24 11:31 0720.png
-rw-r--r-- 1 root root 403600 1月 24 11:31 0729.png
-rw-r--r-- 1 root root 388215 1月 24 11:31 0763.png
-rw-r--r-- 1 root root 410207 1月 24 11:32 0770.png
-rw-r--r-- 1 root root 404081 1月 24 11:32 0777.png
-rw-r--r-- 1 root root 437555 1月 24 11:32 0885.png
-rw-r--r-- 1 root root 459740 1月 24 11:32 0934.png
-rw-r--r-- 1 root root 458208 1月 24 11:32 Solvay_conference_1927_0018.png
-rw-r--r-- 1 root root 395568 1月 24 11:32 Solvay_conference_1927_2_16.png
[root@template CodeFormer]#
修复多人的照片(整体图像增强)
# github上的使用说明
# For whole image
# Add '--bg_upsampler realesrgan' to enhance the background regions with Real-ESRGAN
# Add '--face_upsample' to further upsample restorated face with Real-ESRGAN
python inference_codeformer.py -w 0.7 --input_path [image folder]|[image path]
[root@template CodeFormer]# cp inputs/cropped_faces/1111.jpg inputs/old/
[root@template CodeFormer]# ll inputs/old/1111.jpg
-rw------- 1 root root 61843 1月 24 12:00 inputs/old/1111.jpg
[root@template CodeFormer]# python3 inference_codeformer.py -w 0.7 --input_path /root/CodeFormer/inputs/old/
Face detection model: retinaface_resnet50
Background upsampling: False, Face upsampling: False
[1/1] Processing: 1111.jpg
detect 33 faces # 识别到33张脸
All results are saved in results/old_0.7
注：这里的多人照片还显得有点"力不从心"，或许是没有使用GPU导致的修复不完美，具体还不确定，如果你的电脑有GPU不妨亲自测一下效果
修复视频
# For Windows/Mac users, please install ffmpeg first
conda install -c conda-forge ffmpeg
# For video clips
# video path should end with '.mp4'|'.mov'|'.avi'
python3 inference_codeformer.py --bg_upsampler realesrgan --face_upsample -w 1.0 --input_path [Video DIR]
注1：保真权重 w 位于 [0， 1] 中。通常，较小的w倾向于产生更高质量的结果，而较大的w会产生更高的保真度结果
注2：修复视频非常消耗显卡，如果你的显卡10分给力，那不用多久将会结束，反之会很消耗时间
原文链接: https://www.cnblogs.com/smlile-you-me/p/17065829.html
欢迎关注
微信关注下方公众号，第一时间获取干货硬货；公众号内回复【pdf】免费获取数百本计算机经典书籍
原创文章受到原创版权保护。转载请注明出处：https://www.ccppcoding.com/archives/313801
非原创文章文中已经注明原地址，如有侵权，联系删除
关注公众号【高性能架构探索】，第一时间获取最新文章
转载文章受原作者版权保护。转载请注明原作者出处！
