## Faceswap简介

`FaceSwap` 是一种基于深度学习技术的应用，用于将一个人的面部特征和表情替换到另一个人的脸上。该技术利用生成对抗网络（`GANs`）和自动编码器（`Autoencoders`）等深度学习模型，能够生成逼真且高质量的面部替换效果。

使用 `Faceswap` 的步骤一般分为四步，其中除了第一步外，都可以在Faceswap中完成：
1. 收集素材：原视频，目标人脸的视频/图片
2. 整理素材：将原人物和目标人物的面部图片汇总
3. 训练模型：基于素材训练人脸替换模型
4. 替换人脸：使用训练好的模型进行视频处理

其中 **训练模型** 这一步可以说是最关键、最重要、也是最耗时的，所以这一步的处理需要仔细学习，而在这一步中，最重要的配置应该就是训练模式的选择！



## 各个训练模式介绍(Trainer)

在 `FaceSwap` 项目中，训练模式（如 `dfaker、lae、dlight、original、unbalanced、villain` 等）是指不同的模型架构和训练方法。这些选项决定了模型如何处理数据、如何训练以及生成结果的质量和特性。

> 以下是基于 `NVIDIA RTX 3080/3090` 这类 `GPU` 给出的训练时长建议，请自行对比你的训练资源。

以下是这些模式的简要解释及其适用场景：

### dfaker
- **说明:** `Dfaker` 模式基于 `DeepFake` 概念进行实现，专注于生成高质量的面部替换效果。
- **特点:** 通常会在较长时间训练中生成更高质量和更真实的结果。
- **适用场景:** 当需要高质量的面部替换效果且有充足的训练时间时，适合使用此模式。
- **训练素材:** 高质量且多样的面部图像，最好是同一光照和角度条件下的图像。每个目标人物至少 `1000` 张以上的图片。
- **训练时长:** 长时间训练，推荐至少 `7` 天（`每个 epoch 训练约 1-2 小时，共 100-200 个 epoch`）。

### lae (Light Autoencoder)
- **说明:** `LAE` 是一种轻量级的自动编码器，设计用于快速训练和较低的计算需求。
- **特点:** 训练速度快，对硬件要求较低，但生成效果可能不如其他模式高质量。
- **适用场景:** 适用于硬件资源有限或需要快速生成结果的场景。
- **训练素材:** 中等质量的面部图像，`500-1000` 张图片。多样性可以稍微少一些，但尽量保证光照和角度的一致性。
- **训练时长:** 短时间训练，推荐 `1-3` 天（`每个 epoch 训练约 30 分钟，共 50-100 个 epoch`）。

### dlight
- **说明:** `Dlight` 是 `dfaker` 的简化版本，兼顾训练时间和结果质量。
- **特点:** 在减少训练时间的同时，尽量保持较好的生成效果。
- **适用场景:** 当需要在质量和训练时间之间找到平衡点时，可以选择此模式。
- **训练素材:** 高质量且多样的面部图像，`1000` 张以上的图片。保证图像的多样性，包括不同的表情和角度。
- **训练时长:** 中等时间训练，推荐 `3-5` 天（`每个 epoch 训练约 1 小时，共 100-150 个 epoch`）。

### original
- **说明:** `Original` 模式是最早的 `FaceSwap` 模型，使用经典的自动编码器结构。
- **特点:** 结构简单，易于理解和实现，但生成效果可能不如后来的改进模式。
- **适用场景:** 适合初学者或需要经典实现的场景。
- **训练素材:** 中等质量的面部图像，`500` 张以上的图片。图像的多样性少一些。
- **训练时长:** 中等时间训练，推荐 `2-4` 天（`每个 epoch 训练约 1 小时，共 50-100 个 epoch`）。

### unbalanced
- **说明:** `Unbalanced` 模式专注于不对称的训练，即生成器和判别器的训练速度和频率不同。
- **特点:** 可能在特定数据集上表现更好，但需要对模型进行更多调整。
- **适用场景:** 当数据集存在特定的特征或不均衡时，可以尝试此模式。
- **训练素材:** 高质量且多样的面部图像，`1000` 张以上的图片。尽量包括各种不同的表情和角度。
- **训练时长:** 较长时间训练，推荐 `5-7` 天（`每个 epoch 训练约 1-2 小时，共 100-200 个 epoch`）。

### villain
- **说明:** `Villain` 模式是对经典 `FaceSwap` 模型的进一步优化，通常包括一些先进的技术和调整。
- **特点:** 可能在较短的时间内生成更高质量的结果，但需要更多的计算资源。
- **适用场景:** 当有较好的硬件资源且需要高质量的生成效果时，可以选择此模式。
- **训练素材:** 高质量且多样的面部图像，`1000` 张以上的图片。包括各种不同的表情、光照和角度条件。
- **训练时长:** 长时间训练，推荐 `7-10` 天（`每个 epoch 训练约 1-2 小时，共 150-200 个 epoch`）。

### dfl-h128 (DeepFakeLab H128)
- **说明:** 基于 `DeepFakeLab` 的 `H128` 模型，使用 `128x128` 分辨率的图像进行训练。
- **特点:** 平衡了生成效果和训练时间，适合中等硬件资源。
- **适用场景:** 当需要较高质量的面部替换效果，但训练时间和硬件资源有限时，可以选择此模式。
- **训练素材:** 高质量的面部图像，`800-1000` 张图片。确保图像的多样性和清晰度。
- **训练时长:** 中等时间训练，推荐 `3-5` 天（`每个 epoch 训练约 1 小时，共 100-150 个 epoch`）。

### dfl-sae (DeepFakeLab SAE)
- **说明:** 基于 `DeepFakeLab` 的 `SAE` 模型（自编码器），通常用于更复杂的面部替换任务。
- **特点:** 支持更高的图像分辨率和更复杂的面部替换效果，但需要更多的训练时间和硬件资源。
- **适用场景:** 当有充足的训练时间和硬件资源，并且需要处理复杂的面部替换任务时，适合使用此模式。
- **训练素材:** 高质量的面部图像，`1000` 张以上的图片。多样性和清晰度要求较高。
- **训练时长:** 较长时间训练，推荐 `7-10` 天（`每个 epoch 训练约 1-2 小时，共 150-200 个 epoch`）。

### lightweight
- **说明:** `lightweight` 是轻量级模型，设计用于快速训练和较低的计算需求。
- **特点:** 训练速度快，对硬件要求较低，但生成效果可能不如其他模式高质量。
- **适用场景:** 适用于硬件资源有限或需要快速生成结果的场景。
- **训练素材:** 中等质量的面部图像，`300-500` 张图片。图像的多样性可以稍微少一些。
- **训练时长:** 短时间训练，推荐 `1-2` 天（`每个 epoch 训练约 30 分钟，共 50-100 个 epoch`）。

### phaze-a
- **说明:** `Phaze-A` 模型是一种改进的自动编码器，旨在提高生成效果和训练效率。
- **特点:** 在保持较高质量生成效果的同时，提高训练效率。
- **适用场景:** 当需要在较短的时间内获得高质量结果，可以选择此模式。
- **训练素材:** 高质量的面部图像，`1000` 张以上的图片。包括不同的表情和角度。
- **训练时长:** 中等时间训练，推荐 `4-6` 天（`每个 epoch 训练约 1 小时，共 100-150 个 epoch`）。

### realface
- **说明:** `RealFace` 模型专注于生成逼真的面部替换效果，通常结合先进的生成技术。
- **特点:** 生成效果逼真，但需要较多的训练时间和硬件资源。
- **适用场景:** 当需要高度逼真的面部替换效果，并且有充足的训练时间和硬件资源时，可以选择此模式。
- **训练素材:** 高质量且多样的面部图像，`1000` 张以上的图片。多样性和清晰度要求很高。
- **训练时长:** 长时间训练，推荐 `7-10` 天（`每个 epoch 训练约 1-2 小时，共 150-200 个 epoch`）。

## 总结

选择合适的 `FaceSwap` 模式需要根据具体的硬件资源、训练时间和生成效果要求进行权衡和调整。了解每种模式的特点和适用场景，有助于更有效地进行模型训练和生成高质量的结果。

考虑因素：
- 硬件资源: 如 GPU 的数量和性能，以及显存大小等。
- 训练时间: 可用的训练时间是几天、几周还是几个月。
- 生成效果: 对生成效果的要求是高质量还是快速结果。
- 数据集特性: 数据集是否均衡，是否有特定的特征等。

## 赞助请求V3

**建站因为热爱，生活需要Money，请屏幕前的大佬动动您发财的小手，点击一次以示鼓励，祝您生活愉快！**


<div class="article-ads"></div>

> PS：如果看不到广告，可能是网络原因或被拦截了，那就算了吧。再次祝您生活愉快~~ 🥰

Faceswap训练模式详解（trainer）

## 简介

最近使用一个开源模型，下载依赖时出现报错，主要错误信息是：

```
THESE PACKAGES DO NOT MATCH THE HASHES FROM THE REQUIREMENTS FILE
```

一般出现该错误时，大致意思是：下载某个依赖包时，会校验这些包的 `Hash` 值，用以判断文件是否被篡改，保证文件安全性或一致性，但校验时发现这些文件包的 `hash` 值不一致，因此出现报错。



## VPN问题：关闭VPN

出现这类错误时，有一个常见的原因，就是使用了VPN或一些网络代理工具，如果你确定自己使用了网络代理类工具，则可以关闭这类工具后再尝试下载，这时一般都能解决该问题。

如果你没有使用网络代理类工具，则要检查自己的网络环境是否安全了。

## 未知问题：手动下载

如果你实在不知道是什么原因导致的问题，则可以自行根据错误信息，确定哪个资源包下载失败报的错，然后手动下载该资源包，放到指定的位置，这一般也可以解决该问题。

因为这个问题本质上在自动下载依赖文件时出现的，通过手动下载以来，跳过自动下载，也是一种解决办法。

Python: THESE PACKAGES DO NOT MATCH THE HASHES FROM THE REQUIREMENTS FILE

## 简介

本文记录使用Uniapp开发小程序时，如何实现一个文件（图片）上传的功能，并且将图片上传至阿里云OSS。

> 基于Vue3

## 选择图片

```ts
const selectImage = () => {
  uni.chooseImage({
    count: 1,
    sizeType: ["compressed"],
    success: (file) => {
      console.log(file);
      getSignature("avatar").then((sign) => {
        // console.log(sign);
        const newName = getNewFilename(file.tempFilePaths[0]);
        // console.log(newName);
        uploadImage(sign, newName, file.tempFilePaths[0]).then((res) => {
          // console.log(res);
          imageStr.value = `${sign.host}/${sign.dir}/${newName}`;
          info.value.avatarUrl = `${sign.host}/${sign.dir}/${newName}`;
        });
      });
    },
  });
};
```



### 代码解析：

1. `selectImage`可以作为点击事件触发的调用方法；
2. 使用 `uni.chooseImage` 触发选择本地图片的功能（打开资源管理器）；
3. `count`，`sizeType` 选择图片的限制参数，只能选择一张图片，是否允许拍照，更多配置参数请自行查阅uniapp官网：【[chooseimage](https://zh.uniapp.dcloud.io/api/media/image.html#chooseimage-harmonyos-%E5%85%BC%E5%AE%B9%E6%80%A7)】，*请基于自身实际情况修改*。
4. `success` 为选择图片后的回调函数；
5. 因为这里是前端上传图片到阿里云OSS，所以需要获取阿里云OSS的临时授权密钥等信息，否则后续无法正常调用阿里云的存储服务，所以这里先执行 `getSignature` ，调用自己的后端接口获取授权信息，*请基于自身实际情况修改*。
6. `getSignature` 成功后，这里对选择后的文件名进行重新生成，所以使用了 `getNewFilename`，*请基于自身实际情况修改*。
7. 因为这里限制每次只能选择一张图片，所以 `file.tempFilePaths[0]` 直接选择的第一张图片的名字，`file.tempFilePaths[0]` 获取到的是uniapp自动生成的临时文件名，一般格式是`http://xxxx.jpg`，*请基于自身实际情况修改*。
8. `uploadImage` 是二次封装的上传图片接口，请看下方【**上传图片**】详细代码
9. 上传成功后，直接使用 `${sign.host}/${sign.dir}/${newName}` 拼装成功后的图片url链接，*请基于自身实际情况修改*。

## 上传图片

```ts

export const uploadImage = (
  param: OssSign,
  fileName: string,
  tempFilePath: string
): Promise<OssResponse> => {
  return new Promise((resolve, reject) => {
    uni.uploadFile({
      url: param.host || "", //仅为示例，非真实的接口地址
      filePath: tempFilePath,
      name: "file",
      formData: {
        // callback:  param.callback,
        OSSAccessKeyId: param.accessid,
        policy: param.policy,
        Signature: param.signature,
        success_action_status: '200',
        key: `${param.dir}/${fileName}`, // 自定义文件名
      },
      success: (res) => {
        console.log(JSON.stringify(res));
        const { statusCode, data } = res;
        if (statusCode === 200) {
          // 确保 data 是期望的类型
          const r = data as OssResponse;
          resolve(r);
        }
      },
      fail: (err) => {
        reject(err)
      }
    });
  });
};
```

### 代码详解

1. `param` 是前面从 `getSignature` 获取到的阿里云授权参数，具体参数有哪些 请看最后的表格，更多信息可前往阿里云官方文档查阅：[如何进行服务端签名直传OSS](https://help.aliyun.com/zh/oss/use-cases/obtain-signature-information-from-the-server-and-upload-data-to-oss?spm=a2c4g.11186623.0.0.4d6b4cf5V7eVlt#9237c8b8c7wnu)。(`不得不说的是，阿里云有些文档写的是真的看不懂，乱得很`)。
2. `fileName` 是依据业务规则生成的新的文件名。
3. `tempFilePath` 是前面提到的uniapp生成的文件临时路径，这个不能改变！
4. 使用 `uni.uploadFile` 开始真正的上传文件
5. 其中 `url` 是阿里云oss的地址；
6. `filePath` 是uniapp的文件临时路径；
7. `name` 是文件数据的属性名字，阿里云是固定的`file`；
8. `formData` 是其他的字段，这里都是阿里云文档中标示的必选/可选字段，具体字段含义请参考阿里云文档【[PostObject](https://help.aliyun.com/zh/oss/developer-reference/postobject)】。
9. `success` 是上传成功后的回调函数。

下面是 `getSignature` 接口返回的一些参数，不保证完全一致，具体情况请根据自身业务调整

|字段名|含义|备注|
|----|----|----|
|expire|由服务器端指定的Policy过期时间|一般可以忽略|
|policy|用户表单上传的策略（Policy）|上传必填参数|
|signature|对Policy签名后的字符串|上传必填参数|
|accessid|临时访问密钥AccessKey ID|上传必填参数|
|host|Bucket域名|如果没有自定义域名，则一般是阿里云oss服务的域名，上传图片时调用的地址就是该值，同时也是图片URL的域名|
|callback|回调|如果上传图片成功后需要阿里云回调自身服务器接口，可在上传图片是传入该参数|
|dir|限制上传的文件前缀|大概是需要拼接到文件名上的，即上面代码 `formData` 中的 `key`|

## 总结

使用Uniapp实现图片上传还是比较简单的，而且在电脑端模拟器中也可以进行相关调试，其他类型文件上传也可以参考本文内容，逻辑大致相同，总结要点步骤如下：
1. 使用 `uni.chooseImage` 来实现选择图片的功能，当然也可以使用其他方法，如 `uni.chooseMedia` 等；
2. 使用 `uni.uploadFile` 快速实现上传图片接口的调用；
3. 遵从上传图片接口的要求，进行相关参数的组装，如使用阿里云oss，就需要查阅阿里云的文档。本文使用的是：后端签名 前端上传 模式，即 **服务端签名直传** 模式，其他模式请自行查阅阿里云文档；
4. 如果添加了 `callback` 参数，则回调接口要保证正确，如果阿里云回调发生错误，可能会判定为图片上传失败，但其实图片上传成功了，只是回调失败，务必注意！

## 赞助请求V3

**建站因为热爱，生活需要Money，请屏幕前的大佬动动您发财的小手，点击一次以示鼓励，祝您生活愉快！**


<div class="article-ads"></div>

> PS：就目前的访问量，即便每个访客都点一次广告，收入也不足以支付运营成本。`如果看不到广告，可能是网络原因或被拦截了，那就算了吧。再次祝您生活愉快~~`

Uniapp实现图片上传到阿里云oss

原帖链接：https://x.com/dugong0716/status/1807874276009431296

![image](https://images.oldmoon.top/images/beauty/1720332801.jpg)



![image](https://images.oldmoon.top/images/beauty/1720332807.jpg)

20240707欣赏：清淡

原帖链接：https://www.instagram.com/p/C7-V8t7y_jJ/?igsh=MWEzbW5ocXhiZGNoeg==

![image](https://images.oldmoon.top/images/beauty/1720177942.jpg)



![image](https://images.oldmoon.top/images/beauty/1720177943.jpg)

![image](https://images.oldmoon.top/images/beauty/1720177947.jpg)

20240705欣赏：御！欲！

twitter:card

twitter:title

https://images.oldmoon.top/images/dingdangdog/oldmoon.png

twitter:image

努力做一只帅气、有才、豁达的老狗！

twitter:description