大家好，從我開始分享到現在，收到很多朋友的反饋說配置很低玩不了AI。本篇是一個云端部署AI項目的指南，幫助大家在云端進行AI項目的部署。我會從云平臺的選擇、代碼部署、保存鏡像幾個方面進行詳細的介紹。沒有代碼基礎的小白也不用擔心，我已經制作好了鏡像，你們可以一鍵部署就可以在云端使用啦。

視頻教程：

【FaceFusion云端部署指南(保姆級)】 https://www.bilibili.com/video/BV1es421g77P/?share_source=copy_web&vd_source=09316244e4ff3a9793930d67cf748288

選擇云平臺

國內外有許多GPU算力平臺提供服務，例如國內的阿里云、騰訊云、百度飛槳、AutoDL、仙宮云，以及國外的kaggle Kernel、Google Colaboratory、亞馬遜AWS等。

盡管這些平臺的部署流程大體相似，但具體細節各有不同。

在準備本期內容時，我嘗試了AutoDL和仙宮云這兩個GPU平臺來部署AI項目。最終選擇使用仙宮云部署。

在過去的項目中，我也使用過阿里云、Google Colaboratory和亞馬遜AWS的服務來部署AI項目。
?

有兩種方法:

第一種是使用我已經制作好的鏡像包，直接使用。（適合小白、想快速使用的朋友）

第二種是自行部署。（適合有代碼基礎，想嘗試的朋友）

使用鏡像包

第一種方法，使用我已經制作完成的云端鏡像包。

登錄注冊仙宮云

官網

直接找到我公開的鏡像鏈接，點擊部署。一鍵鏡像

選擇4090這個配置。

確認鏡像，點擊確認部署。

可以看到正在部署。耐心等待

部署完畢，點擊仙宮云OS

進入主界面，默認FaceFusion服務已經啟動好了。

直接雙擊桌面上的這個文件，打開FaceFusion的主窗口。

FaceFusion主窗口

這是打開FaceFusion的界面，關掉該界面后，程序還會執行。

輸出目錄

雙擊打開FaceFusion的輸出目錄

日志

點擊桌面上的日志查看執行時的信息。

重啟

雙擊重啟FaceFusion程序，當你清除緩存后記得重啟下FaceFusion才能執行。

上傳圖片/視頻

關于上傳，你可以將本地的圖片或者視頻直接拖拽到該界面上，非常方便。

下載

生成好的視頻/圖片點擊下載按鈕下載到本地。

自行部署鏡像

官網

首先進入仙宮云的官網，點擊部署GPU計算容器

這里選擇你想要部署的機器配置。

配置服務

這里需要對GPU服務器進行一些配置。

系統盤：GPU服務器儲存空間大小。默認100G，這里對于我們部署的AI項目已經夠用。可擴容，會更貴些。

GPU數量:服務器的顯卡數量，默認一個顯卡，最高可選3張4090進行渲染，速度會更快。關于多卡渲染這里我不過多描述，感興趣的話我后面可以出一篇教程。

鏡像類型:

這里有三種鏡像。

公共鏡像：仙宮云官方提供的鏡像。

社區鏡像：其他用戶制作并上傳 的鏡像。

私有鏡像：自己制作的鏡像。

由于我們是從零開始部署，所以選擇公共鏡像。

基礎鏡像選擇Miniconda3，python版本選擇3.10，CUDA版本選擇11.8

剩下的SSH密鑰和掛載云儲存我們這里用不到，保持默認即可。

計費方式根據自己的需求來。

以上都設置完畢后，點擊確認部署

拉取源碼

來到控制臺可以看到服務正在創建

等待實例創建完畢后

點擊應用這一欄的Jupyter

點擊后會跳轉到Jupyter的操作面板，我們在這里進行部署

啟動頁中選擇終端

進入到終端命令行中

第一步需要拉取FaceFusion在Github上的源代碼。由于你懂的的網絡原因，需要為當前終端開啟學術加速。

開啟學術加速

. /accelerate/start

接下來從Git上拉取代碼

git clone https://github.com/facefusion/facefusion

拉取完我們可以在左側看到FaceFusion的文件夾

創建虛擬環境

輸入cd facefusion進入這個目錄

cd facefusion

使用conda創建python虛擬環境

conda create --name Dlab python=3.10

會彈出確認選項

輸入y按回車

創建完畢，一個基礎的虛擬環境就創建好了。

激活剛才創建的虛擬環境。

conda activate Dlab

激活后可以看到之前的base變為了Dlab

安裝依賴

運行install.py腳本

python install.py

這里會出現選項框，選擇要安裝的onnxruntime版本

我們剛才創建服務時選擇的是cuda版本是11.8，所以這里也選擇對應的版本。鍵盤方向鍵上下進行選擇，按回車確認。

耐心等待會兒

安裝完畢

問題解決

libgl1問題

接下來運行看下

python run.py

出現libGL.so.1錯誤，這是因為我們的鏡像中默認是不包含libgl1這個庫的。

解決方法，手動安裝，接著輸入

apt-get install libgl1-mesa-dev

輸入y后按回車繼續執行

等待....

安裝完畢

FFmpeg問題

再次輸入運行命令，發現還有個報錯，這個原因是FFMpeg庫未安裝。

python run.py

直接在conda內安裝

conda install ffmpeg

輸入y后按回車

安裝完畢

成功運行

再再再再次輸入運行命令

python run.py

成功執行！

現在我們直接訪問這個網址是打不開的，因為這是一個本地鏈接，我們需要訪問仙宮云上映射的網址。

來到容器管理頁面，點擊WebUI

會跳轉到一個錯誤的網頁，顯示無法進入，不要慌，這是正常現象，因為我們的服務啟動的端口不一樣，仙宮云默認是80端口。

在瀏覽器中找到當前打開的網頁鏈接。

把這個80改為7860，再次訪問。

訪問成功

用圖片進行了測試，可以換臉。

上傳模型

恭喜你！到這里已經成功了一大半了！接下來需要將FaceFusion所需要的所有模型都下載下來。

FaceFusion官方提供的腳本中即使是開了學術加速，下載模型的速度也不如人意。為了節約寶貴的時間，這里我們使用網盤的方式進行下載。（我已經將所有資料都放入網盤鏈接內）

來到仙宮云容器實例這里，選擇仙宮云OS，點擊打開。

可以看到我們進入了類似電腦桌面的界面。

進入桌面的百度網盤

這里需要授權下。

授權成功后找到我們網盤內存儲的壓縮包

右鍵復制

打開系統磁盤，進入系統磁盤/root/facefusion/.assets這個目錄

粘貼網盤文件

右下角是進度條，耐心等待

完畢后文件夾內如下

將models文件夾右鍵--移至回收站(這個models文件夾是剛才我們部署好后下載的基礎換臉模型，從網盤下載的壓縮包內已經包含這些基礎模型，所以將這個文件夾刪除)

雙擊models.zip進行解壓

等待解壓

解壓完畢

新解壓的models文件夾里包含了所有的模型

最后你可以把models.zip壓縮包刪除了，因為這會占用你的空間，后面會說到。

重啟服務

由于我們現在FaceFusion已經啟動，我們模型上傳后需要重新啟動下FaceFusion。

回到Jupyter頁面

點擊這個圖標進入管理頁面。

可以看到當前運行的終端。

點擊全部關閉。

然后我們重新打開終端頁面

重新激活conda環境

conda activate Dlab

然后運行run腳本，這里與之前不一樣的是，我加了--skip-download(跳過下載)參數。因為我們模型都已經安裝完畢，不需要再走一遍下載。

python run.py --skip-download

啟動完畢后還是進入剛才的7860網頁查看，成功運行。

完美運行

再次測試，這次多勾選了高清修復、臉部修復。（如果你沒有執行上面的模型安裝步驟，是不能開啟臉部修復和高清修復的，會提示沒找到模型）

可以看到預覽里的效果完美。

其他的操作方法跟本地版本的是一樣的。如果你想對這個FaceFusion進行更多修改，請往下看。

其他修改

修改中文界面

進入系統磁盤/root/facefusion中

刪除facefusion文件夾

將網盤內的facefusion.zip拷貝到這里，并解壓

解壓后再次重啟FaceFusion服務即可。

再次進入到頁面，界面已經全部變成中文的啦。

寫在最后

恭喜你，看到這里，已經可以自己在云端部署FaceFusion了！記得用的時候關閉實例，保存鏡像！

總結下，本篇教程我使用的是仙宮云服務，部署的時候會有個小“坑”——libgl1問題。在使用仙宮云之前我在AutoDL上也部署過，不會出現像libgl1問題這個“坑”，所以不同的GPU服務平臺的問題有可能會不一樣，但是流程都相同。

關于本篇用到的模型與命令可在公眾號內回復【臉資料】獲取。無套路！

最后希望這篇文章對你有幫助！感謝你的閱讀！