2个模型大类: SAEHD 和 Quick 96

支持多 GPU

比DFL 1.0 更快的提脸、训练、合成速度

提供人脸素材加强脚本

训练支持GAN（一种AI技术），以还原更多细节

新增TrueFace参数 - (只支持 DF 模型架构) - 让SRC和DST表情更相似，减少死鱼脸

合成阶段附带输出遮罩图片， 方便后期导入其他软件编辑

带交互界面的合成脚本（1.0的合成需要手动填参数，非常反人类，这个2.0做的很人性化）

提脸使用s3fd算法，并支持手动模式

模型分辨率可选择为任意16或32倍数

多种模型架构 (两种核心框架DF, LIAE,以及 -U, -D ,-UD 三种附加后缀，这个下文详细展开)

使用Xseg遮罩模型，提供自带画遮罩的工具

dfl2.0最新版已经支持英伟达显卡和AMD显卡，但AMD显卡效率不行，买电脑还是推荐英伟达显卡，英伟达GPU 10gb显存以上，CPU i7以上。win10系统，安装英伟达最新驱动程序，cuda11开发工具。

DeepFaceLab 2.0由几个.bat文件组成，这些文件用于执行创建deepfake的各种任务/步骤，它们与两个子文件夹一起位于主文件夹中：

_internal - 相关源代码

workspace - 放置你的模型、视频、人脸数据的地方

Dataset (faceset) - 是一组从图片帧（从视频中提取）或照片已提取的图像。 DFL 2.0中使用了两个数据集，分别是data_dst和data_src：

Clear Workspace -删除workspace下所有内容。别手贱点他

Extract images from video data_src - 从data_src.mp4视频中提取帧并将其放入自动创建的“ data_src”文件夹中，可用选项：-FPS-跳过视频的默认帧速率，输入其他帧速率的数值（例如，输入5将仅以每秒5帧的速度呈现视频，这意味着将提取较少的帧） -JPG / PNG-选择提取帧的格式，jpg较小，通常质量足够好，因此建议使用，png较大，不能提供明显更高的质量，但是可以选择。

cut video (drop video on me) - 通过将视频拖放到该.bat文件中，可以快速将视频剪切为所需的长度。 如果您没有视频编辑软件并且想快速剪切视频，则很有用，可以选择以下选项：

extract images from video data_dst FULL FPS - 从data_dst.mp4视频文件中提取帧并将其放入自动创建的“ data_dst”文件夹中，可用选项：JPG/PNG - 同2)

准备源数据集的第一步是对齐人脸（把人脸都摆正了），并从位于“ data_src”文件夹中的提取帧中生成512x512面部图像。 有2个选项：

S3FD和MANUAL提取器的可用选项包括：

完成此操作后，下一步是清理错误faceset /数据集/不正确对齐的faces，把不清楚的脸部图片删除掉即可。

data_src view aligned result - 不常用 data_src sort - 给图片排序，方便你筛选错误图片 [0] blur 模糊程度 [1] face yaw direction 俯仰角度 [2] face pitch direction 左右角度 [3] face rect size in source image 人脸在原图中的大小 [4] histogram similarity 颜色直方图相似度 [5] histogram dissimilarity 颜色直方图不相似度 [6] brightness 亮度 [7] hue 颜色色相 [8] amount of black pixels 黑色像素的数量（常用于筛选异常人脸提取结果） [9] original filename 源文件名字 [10] one face in image 是否是画面中唯一人脸 [11] absolute pixel difference 绝对的像素差异 [12] best faces 筛选最佳的人脸 [13] best faces faster 更快的筛选最佳的人脸 data_src util add landmarks debug images -重新生成debug文件夹

data_src util faceset enhance - 用AI算法提升素材清晰度

data_src util faceset metadata restore and data_src util faceset metadata save - 让我们从源面集/数据集中保存和还原嵌入的对齐数据，以便在提取某些面部图像（例如将它们锐化，编辑眼镜，皮肤瑕疵，颜色校正）后可以对其进行编辑，而不会丢失对齐数据。如果不按此步骤编辑“已对齐”文件夹中的任何图像，则将不会再使用对齐数据和这些图片进行训练，因此，在保持名称相同的情况下，不允许翻转/旋转，仅是简单的编辑，例如彩色 。

data_src util faceset pack and data_src util faceset unpack - 将“aligned”文件夹中的所有面孔打包/解压缩到一个文件中。 主要用于准备自定义的预训练数据集或更易于共享为一个文件。

other) data_src util recover original filename - 将面部图像的名称恢复为原始顺序/文件名（排序后）。 可选，无论SRC face文件名如何，训练和合成都能正确运行

这里的步骤与源数据集几乎相同，除了少数例外，让我们从面部提取/对齐过程开始。 我们仍然有Manual和S3FD提取方法，但是还有一种结合了这两种方法和一种特殊的手动提取模式，始终会生成“ aligned_debug”文件夹。

data_dst faceset extract MANUAL RE-EXTRACT DELETED ALIGNED_DEBUG - 从“ aligned_debug”文件夹中删除的帧进行手动重新提取。 data_dst faceset extract MANUAL - 纯手动模式 data_dst faceset extract manual fix - 半自动，机器识别不了的会切手动 data_dst faceset extract - 纯自动提取 选项和src的一样，不重复说了

启动手动提取器或重新提取器后，将打开一个窗口，您可以在其中手动找到要提取/重新提取的脸部：

对齐data_dst面后，我们必须清理它们，类似于我们使用源faceset / dataset进行处理时，我们将选择一些排序方法，由于它们的工作方式与src完全相同，因此我将不作解释。 但是清理目标数据集与源数据集有所不同，因为我们要使所有存在的帧的所有面对齐（包括可以在XSeg编辑器中标记的受遮挡的面），然后训练XSeg模型以将其遮盖 -有效地使障碍物在学到的面孔上清晰可见，更多的是在下面的XSeg阶段。 这块做法和data_src类似，区别在于，最后合成时是根据dst中aligned文件数量来合成。删掉的dst人脸数据对应的画面就不会换脸

这章比较复杂，萌新先不要使用遮罩。不用遮罩正常也能训练的。

有两种模式可以选择:

SAEHD (6GB ): 高质量模型，至少6GB显存 特点/设置

Quick96 (2-4GB): 低配电脑可用 特点:

由于Quick96不可调节，因此您将看到命令窗口弹出并仅询问一个问题-CPU或GPU（如果您有更多问题，它将选择其中之一或同时进行训练）。 但是，SAEHD将为您提供更多调整选项。 在这两种情况下，首先都会出现一个命令行窗口，您可以在其中输入模型设置。 初次使用时，您将可以访问以下说明的所有设置，在使用已经受过训练的模型进行训练并在“模型”文件夹中显示该模型时，您还将收到提示，您可以在其中选择要训练的模型（ （如果您的“模型”文件夹中存在多个模型文件）。 您还将始终提示您选择要在其上运行培训器的GPU或CPU。 启动后将看到的第二件事是预览窗口，如下所示： 这是所有功能的更详细说明，以便在开始训练新模型时将其呈现给用户。 请注意，由于这些模型的工作方式，其中一些已锁定，一旦开始训练就无法更改，例如，稍后无法更改的示例如下：

模型备份（Autobackup every N hour ( 0..24 ?:help ) ）

自动备份频率，0不备份。输入2表示两个小时备份一次

Write preview history ( y/n ?:help) 记录保存预览图

每次迭代会保存⼀张当前训练效果图，⽅便你查看模型进步效果，来判断是否已经训练到顶峰了。图⽚保存在model内⼀个以history结尾的⽂件夹中。⼀般⼈看预览窗⼝的图就OK了。这个功能给做专业对⽐测试的⽤

目标迭代（Target iteration ）

设置一个整数，当迭代次数达到这个值就会自动停止训练，默认为无限制，直到你手动停止为止。

随机反转（Flip faces randomly ( y/n ?:help )）

当你人脸素材比较少的时候比较有用，通过这个参数将人脸图片垂直翻转，增加素材量。比如目标视频有右侧连，原视频只有左侧脸的时候。但是翻转后的样本和真是的情况可能会有一些误差。素材比较充分的情况下建议关闭，保证相似度，自然度。

批量大小（Batch_size ( ?:help ) ）

批处理大小设置会影响每次迭代中相互比较的面孔数。 最低值是2，您可以提高到GPU允许的最大值，受GPU影响。 模型分辨率，尺寸越高，启用的功能越多，将需要更多的显存，因此可能需要较小的批处理大小。 建议不要使用低于4的值。批量越大，质量越好，但训练时间越长（迭代时间越长）。 对于初始阶段，可以将其设置为较低的值以加快初始训练的速度，然后将其升高。 最佳值为6-12 。 11gb显存设置为4,24gb显存可以尝试8~16

模型像素 （Resolution ( 64-640 ?:help )）

这里你设置了你的模型分辨率，此选项不可重置。分辨率可以从64×64增加到640×640，增量为:16(对于常规和-U架构变体)，32(对于-D和-UD架构变体)。原则上来说分辨率越高，模型学习到的脸就越详细，最终清晰度越高，但是对配置的要求也会越来越高，使用的时间越来越多。

人脸区域（Face type ( h/mf/f/wf/head ?:help ) ）

这个选项可以指定人脸训练区域的大小，主要包括半脸，中脸，全脸，整脸，头。从左到有，区域越来越大。 半脸h：主要包括眉毛到嘴巴的区域，眉毛可能会出现问题 中脸mf：优化了眉毛的处理，面积提升30%，基本解决眉毛的问题。建议） 全脸f：脸部区域大于中脸，贴合人脸边缘，不包含额头。推荐。 整脸wf：全脸的基础上，可以解决额头的问题，需要配合遮罩处理（xseg） 头h：包含整个头部，包括脸和头发，配合遮罩处理实现换头。

模型结构（AE architecture)

[liae-ud] AE architecture ( ?:help ) : 模型结构主要包含DF和LIAE, 以及一些扩展选项-U，-D，[b]-UD。-U , -D可以和DF LIAE组合使用。演变出如：DF-U，DF-D,DF-UD,LIAE-UD等。 DF:此模型架构提供了更直接的人脸交换，不使人脸变形，所以源与目标自己的人脸匹配很重要。该模型在正面拍摄时效果最好，并且要求您的源数据集具有所有所需的角度，否则在侧面轮廓上可能会产生较差的结果。官方推荐的模式，复用后相似度高，适合复用！ LIAE: 该模型结构可以使面部变形，这种模型与源头镜头的相似性较差，但是可以更好地处理侧面轮廓，并且在数据集方面更宽容，通常可以产生更精致的人脸交换，并具有更好的颜色光线匹配度。 -U: 这个选项是为了提升合成结果与源素材的相似度。 -D:这个版本旨在提高效率。同等配置下，它可以让你以两倍的分辨率训练你的模型，比如之前只能跑128，启用之后可以跑256。如果分辨率相同，单次迭代时间更少，消耗显存更少。但是在质量上可能会有所降低，有待验证。 -UD:结合了两个变量，以实现最大相似度并提高分辨率/性能。 达到最佳效果吗，可能需要更长的训练。

接下来的4个选项用来设置神经网络的维度，修改这些会对学习人脸的表现和质量有很大影响，所以推荐使用默认值。

自编码器维度 AutoEncoder dimensions ( 32-1024 ?:help ) :

自动编码器尺寸设置，影响模型学习人脸的整体能力。

编码器维度 Encoder dimensions ( 16-256 ?:help ) :

编码器尺寸设置，影响模型学习面部总体结构的能力。

解码器维度 Decoder dimensions ( 16-256 ?:help ) :

解码器尺寸设置，影响模型学习细节的能力。

遮罩解码器维度 Decoder mask dimensions ( 16-256 ?:help ) :

遮罩解码器的尺寸设置，影响已学习遮罩的质量。可能会，也可能不会影响培训的其他方面。 每一种设置的改变都会对性能产生不同的影响，如果没有广泛的测试，无法确定这些设置对性能和质量具体影响。每一项都提供了默认值，一般来说这是在训练速度和质量的最佳平衡。 可以根据自己的应用场景做适当的修改，当然需要大量的测试验证效果。 一般来说值越大会质量越好，但是需要的配置也会急剧上升，而效果的提升会越来越慢，直到微乎其微。 推荐值： == archi: df == == ae_dims: 128 == == e_dims: 64 == == d_dims: 64 == == d_mask_dims: 22 ==

眼部优先（Eyes priority ( y/n ?:help )）

试图通过强制神经网络以更高优先级训练眼睛来解决眼神涣散（鬼眼）的问题。 请记住，他不能解决眼珠子方向不对的问题，只会影响眼睛和周围区域的细节问题。

[n] Uniform yaw distribution of samples ( y/n ?:help ) :

无

侧脸优化（Uniform_yaw ( y/n ?:help )）

有助于训练轮廓脸部，迫使模型根据其偏航角在所有面孔上均匀地训练，并优先考虑轮廓脸部，可能会导致正面脸部的训练速度变慢，这在预训练期间默认启用，可与随机变形类似地使用（在开始时 （训练过程）或在禁用或禁用RW后启用（当您对面部进行或多或少的训练，并且您希望轮廓脸部看起来更好且更少模糊时）。 当您的源数据集没有很多轮廓照片时很有用。 可以帮助降低损失值。 默认值为n（禁用）。 这个参数有利于提升侧脸效果。默认不用开启，当训练很久侧脸效果不佳的是时候启用。

GPU优先 （Place models and optimizer on GPU ( y/n ?:help ) ）

默认启用，如果出现OOM，又不想改变其他参数的时候可以尝试关闭这个参数。关闭后，单次迭代时间会变长。也可以通过改变这个参数，提升res/bs/dims等参数的值。 一般来说使用默认，显卡配置不够的时候启用。

[y] Use AdaBelief optimizer? ( y/n ?:help ) :

无

Use learning rate dropout ( y/n/cpu ?:help )

LRD的目的是通过改变启用时的学习率dropout来帮助训练，从而加速人脸的训练，获取更低的损失，并减少亚像素抖动。必须在启用GAN之前启用LRD。这个选项会影响到VRAM的使用，所以开启后可能会遇到OOM。 默认推荐不启用，loss降不下来的时候可以试试。

随机扭曲 （Enable random warp of samples ( y/n ?:help )）

利用随机扭曲来泛化模型，它能更好的学习人脸形状、面部特征、面部结构、人脸表情等。但只启用后，可能影响模型对细节的学习。因此只要效果还在快速提升（loss下降，图片变清晰）的情况下建议开启。当训练足够充分后可以关闭这个功能，继续训练几千个迭代，应该能获得更好的细节。

GAN强度 （GAN power ( 0.0 .. 10.0 ?:help ) ）

GAN代表Generative Adversarial Network（生成对抗网络），在DFL 2.0中，使用这个选项可以获得更详细/更清晰面孔。 此选项可取值范围为0.0到10.0。并且仅在模型训练最够多之后启用（禁用随机扭曲并启用LRD之后）。默认推荐使用0.1，可以尝试更大的值获取更强的效果。一旦启用，就不再关闭了。启用前记得备份模型，有崩溃风险，可能会出现很诡异的效果。

真脸强度（’True face’ power. ( 0.0000 .. 1.0 ?:help ) ）

改选项取值范围为0.xx-1.0 , 使用目的是让合成的人更像src。和GAN强度一样，只有在训练充分并关闭了随机扭曲之后在考虑启用。启用之前，建议先备份。典型值是0.01 ,你可以尝试更低的值，比如0.001,切勿求高。这个参数对性能的影响很小，当然也有可能会导致OOM。

人脸和背景强度（Face style power and Background style power）

此设置控制图像的面部或背景部分的样式转移，能提升合成质量（说是这么说，但是大部分情况下会蹦）。启用后对性能有影响，可能需要降低bs或禁止GPU优化器，启用前记得备份，使用的数值不要太大。

颜色转换 Color transfer for src faceset (none/rct/lct/mkl/idt/sot ?:help )

这个选项是用来匹配src和dst的颜色，有几个选项可供选择：  – rct (reinhard color transfer): 基于 https://www.cs.tau.ac.il/~turkel/imagepa…ansfer.pdf  – lct (linear color transfer): 使用线性变换将目标图像的颜色分布与源图像的颜色分布匹配。  – mkl (Monge-Kantorovitch linear): 基于 http://www.mee.tcd.ie/~sigmedia/pmwiki/u…tie07b.pdf  – idt (Iterative Distribution Transfer): 基于 http://citeseerx.ist.psu.edu/viewdoc/dow…1&type=pdf  – sot (sliced optimal transfer): 基于 https://dcoeurjo.github.io/OTColorTransfer/

梯度剪裁（Enable gradient clipping ( y/n ?:help )）

梯度裁剪。实现此功能是为了防止在使用DFL 2.0的各种功能时可能发生的所谓的模型崩溃/损坏。 它对性能的影响很小，因此，如果您真的不想使用它，则必须启用自动备份，因为崩溃后的模型无法恢复，必须将其废弃，并且必须从头开始进行培训。 默认值为n（禁用），但是由于对性能的影响非常低，并且如果保持启用状态，可以防止模型崩溃而节省大量时间。 使用Style Powers时最容易发生模型崩溃，因此强烈建议您启用渐变裁剪或备份（也可以手动进行）。 这个功能最初引入是为了防止模型崩溃（后来好像没啥用了，不开也不太蹦）。 它对性能的影响很小，如果不想使用它，就自觉把自动备份打开，有备无患。

预训练（Enable pretraining mode ( y/n ?:help ) ）

启用预训练过程，该过程使用随机人脸数据集对模型进行初始训练，将其训练约200k-400k次迭代后，可以在开始使用要训练的实际data_src和data_dst进行训练时使用此类模型，因为您可以节省时间不必每次都从0开始全面训练（模型将“知道”面孔的外观，从而加快初始训练阶段）。可以随时启用pretrain选项，但建议在开始时仅对模型进行一次预训练。您还可以使用自己的自定义面集进行预训练，您要做的就是创建一个（可以是data_src或data_dst），然后使用4.2）data_src（或dst）util faceset pack .bat文件打包成一个文件，然后将其重命名为faceset.bak并替换（备份旧的）“ … \ _ internal \ pretrain_CelebA”文件夹中的文件。默认值为n（禁用）。但是，如果要节省一些时间，可以去论坛找别人训练好的模型。 要使用共享的预训练模型，只需下载它，将所有文件直接放入模型文件夹中，开始训练，在选择要训练的模型（如果在模型文件夹中有更多内容）和用于训练的设备后2秒钟内按任意键 （GPU / CPU）来覆盖模型设置，并确保禁用预训练选项，以便您开始正确的训练；如果您启用了预训练选项，则模型将继续进行预训练。 请注意，该模型会将迭代计数恢复为0，这是预训练模型的正常行为。

训练完模型后，该将学习的人脸合并到原始帧上以形成最终视频了（转换）。为此，我们有对应的转换脚本：

merge SAEHD

双击后，命令行窗口将出现，并带有多个提示。 第一个将询问您是否要使用带交互界面的转化器，默认值为y（启用），建议开启，边调参数边预览。

Use interactive merger? ( y/n ) :

第二个将询问您要使用哪种模型： Choose one of saved models, or enter a name to create a new model. [r] : rename [d] : delete [0] : new - latest

第3个会问您要在合并（转换）过程中使用哪个GPU / GPU： Choose one or several GPU idxs (separated by comma). [CPU] : CPU [0] : GeForce GTX 2070 8GB [0] Which GPU indexes to choose? : 按Enter将使用默认值（0）。

完成之后，您将看到一个带有当前设置的命令行窗口以及一个预览窗口，其中显示了操作交互式转换器/合并程序所需的所有控件。

这是命令行窗口和转换器预览窗口的快速浏览：

Converter具有许多选项，可用于更改遮罩类型，大小，羽化/模糊，还可以添加其他颜色转移并进一步锐化/增强最终训练的脸部。

首先调整W/S，E/D快捷键：

(W和S键是调节遮罩侵蚀的加减；E和D键是调节遮罩⽻化效果的加减)

Shift+?(向后应用到所有帧)，然后再按下shift+>(自动合成)就开始自动合成了。也可以通过键盘上的进行手动切换，查看前后帧的合成效果

这是解释的所有合并/转换器功能的列表：

1. Main overlay modes:

original: 显示原始画面而没有换脸

推荐下面加粗字体的三种方式：

overlay: 简单地将学习到的脸覆盖在框架上 （推荐用这个，滚石注）

hist-match: 根据直方图叠加学习的面部和试图以使其匹配（具有2种模式：正常模式和可通过Z切换的蒙版）

seamless: 使用opencv泊松无缝克隆功能在原始帧的头部上方融合新学习的面部

seamless hist match: 结合了直方图匹配和无缝匹配。

raw-rgb: 覆盖原始学习过的脸部而没有任何遮罩

注意：无缝模式可能导致闪烁。

2. Hist match threshold:在直方图匹配和无缝直方图覆盖模式下控制直方图匹配的强度。

3. Erode mask: 控制遮罩的大小。 建议修改

4. Blur mask: 使遮罩边缘模糊/羽化，以实现更平滑的过渡。建议修改

5. Motion blur: 动态模糊。

6. Super resolution: 超分辨率使用与data_src数据集/面部设置增强器类似的算法，它可以为牙齿，眼睛等区域添加更多定义，并增强所学面部的细节/纹理。 建议修改

7. Blur/sharpen: 使用方块或高斯方法模糊或锐化所学的面部。建议修改下面的Y

8. Face scale: 缩放人脸。 建议修改

9. Mask modes: 6种遮罩计算方式，效果自己试一遍就知道了建议修改加粗字体

dst: uses masks derived from the shape of the landmarks generated during data_dst faceset/dataset extraction. learned-prd: uses masks learned during training. Keep shape of SRC faces. learned-dst: uses masks learned during training. Keep shape of DST faces. learned-prd*dst: combines both masks, smaller size of both. learned-prd dst: combines both masks, bigger size of both. XSeg-prd: uses XSeg model to mask using data from source faces. XSeg-dst: uses XSeg model to mask using data from destination faces. XSeg-prddst: combines both masks, smaller size of both. learned-prddstXSeg-dstprd: combines all 4 mask modes, smaller size of all.

10. Color transfer modes: 与训练过程中的颜色转移类似，您可以使用此功能将学习到的脸部的肤色与原始帧更好地匹配，以实现更加无缝和逼真的脸部交换。 有8种不同的模式： 建议修改 RCT和LCT

11. Image degrade modes: 您可以使用3种设置来影响原始帧的外观（不影响换面）： Denoise - denoises image making it slightly blurry (I - increases effect, K - decrease effect) Bicubic - blurs the image using bicubic method (O - increases effect, L - decrease effect) Color - decreases color bit depth (P - increases effect, ; - decrease effect)

附加控件：:

TAB button - 在主预览窗口和帮助屏幕之间切换。 请记住，您只能在主预览窗口中更改参数，按帮助屏幕上的任何其他按钮都不会更改它们。 -/_ and =/ buttons are used to scale the preview window. Use caps lock to change the increment from 1 to 10 (affects all numerical values).

要保存/覆盖当前一帧中所有下一帧的设置 shift / 要保存/覆盖当前一帧中所有先前帧的设置 shift M 要开始合并所有帧，请按 shift > 要返回第一帧，请按 shift 要返回上一帧，请按

预览中的面孔是AI的原始输出，然后需要在原始素材上进行合成。因此，当人脸形状不同或稍小/较大时，您可能会在DFL合并创建的蒙版周围/外部看到原始人脸的一部分。 要解决此问题，您需要更改转换设置，方法是： -调整遮罩类型 -调整遮罩腐蚀（大小）和模糊（羽化，使边缘平滑） -调整脸部大小（比例） 注意：负腐蚀会增加面罩的尺寸（覆盖更多），正腐蚀会减小面罩的尺寸。

全脸是覆盖整个脸部/头部的新模式，这意味着它也覆盖了整个额头，甚至覆盖了某些头发和其他特征，这些特征可能会被全脸模式剪切掉，并且在使用一半或一半时绝对不会出现脸部模式。它还在训练过程中带有新选项，让您训练称为masked_training的额头。首先，先启用它，然后将训练蒙版剪切到整个脸部区域，一旦对脸部进行了足够的训练，就禁用它并训练整个脸部/头部。此模式需要在后期手动屏蔽或训练自己的XSeg模型： 建议使用全脸face_type模式，以尽可能多地遮盖脸部，而无需多余的东西（发际线，额头和头部其他部位）半脸模式是H64和H128模型中的默认face_type模式。它只覆盖一半的脸（从嘴到眉毛以下） 半脸是覆盖半脸约30％区域的一种模式。

20系最好，30系等更新

可以更改它们以提高性能或质量，将它们设置为高将使模型真的很难训练（缓慢，高使用vram），但会提供更准确的结果和更多的src，如外观，将其设置为低将提高性能但是结果将不太准确，并且模型可能无法学习人脸的某些特征，从而导致通用输出看起来更像dst或什么都不像dst或src。 自动编码器尺寸（32-1024？：help）：这是学习的整体模型能力。 价值太低，将无法学习所有内容-更高的价值将使模型能够学习更多表达式，并且以性能为代价更加准确。 编码器尺寸（16-256？：help）：这会影响模型学习不同表情，面部状态，角度，照明条件的能力。 值太低，模型可能无法学习某些表达式，模型可能无法闭上眼睛，嘴巴，某些角度的细节可能不够准确，较高的值将导致模型更加准确和富有表现力，但会相应提高性能成本。 解码器尺寸（16-256？：help）：这会影响模型学习精细细节，纹理，牙齿，眼睛的能力，这些微小的事物会使人的面部变得细腻且可识别。 值太低将导致无法学习某些细节（例如牙齿和眼睛看起来模糊，缺少纹理），也可能无法正确学习一些微妙的表情和面部特征/纹理，从而导致像面部表情一样的src更少，价值更高将使面部更加细化，模型将能够以性能为代价选择更多这些细微的细节。 解码器蒙版尺寸（16-256？：help）：在启用学习蒙版的情况下进行训练时，会影响学习的蒙版的质量。不影响培训质量。

没有建议的批量大小，但是合理的值在8-12之间，其中16-22以上的值非常好，最小4-6的值。批次大小2不足以正确训练模型，因此建议的最小值为4，值越大越好，但是在某些时候批次大小可能不利，尤其是在迭代时间开始增加或您有禁用models_opt_on_gpu-从而在CPU上强制优化器，这会减慢训练速度/增加迭代时间。 您可以通过将迭代时间除以批次大小来计算何时增加批次大小变得效率较低。选择可以在给定的迭代时间内为每个批次降低ms值的批次大小，例如： 批次8-1000/8 = 1000时1000 ms 批处理1500毫秒10-1500/10 = 150 在这种情况下，与批次10相比，在批次8中运行将在给定时间内提供更多的数据模型，但是差异很小。如果说我们要使用批处理12，但得到一个OOM-因此我们禁用models_opt_on_gpu，它现在看起来可能像这样： 批次12时为2300毫秒（CPU上的Optimizer）-2300/12 = 191毫秒，这比批次8和迭代时间为1000毫秒的128毫秒长得多。 启动模型时，最好使用较小的批处理大小-较长的迭代时间，然后在禁用随机扭曲时增加它。

只需下载它，然后将所有文件直接放入模型文件夹即可。 开始训练，在选择要训练的模型（如果文件夹中还有更多）和要训练的设备（GPU / CPU）之后的2秒钟内按任意键，以覆盖模型设置，并把最后一个选项（是否启用预训练模式 use pretrain mode）改为N，以便正确启动 训练中，如果您启用了预训练选项，则模型将继续进行预训练。 请注意，关闭预训练模式后，模型会将迭代计数还原为0，这是预训练模型的正常行为，莫慌。正常情况下，关闭预训练模式后，模型训练预览图是直接能看到八九不离十的人脸，如果你发现你的预览图又从一片完全看不出人形的灰褐色开始，莫慌，按以下步骤操作：

它可能正在使用中，但是Windows不仅报告CUDA使用情况（这是您应该查看的），而且GPU的总使用情况可能会更低（大约5-10％）。 要在培训期间（在Windows 10中）查看CUDA / GPU的真实使用情况，请进入任务管理器->性能->选择GPU->将4个较小的图形之一更改为CUDA。 如果您使用的是其他版本的Windows，请下载外部监视软件（例如HWmonitor或GPU-Z），或者查看VRAM的使用情况，该使用率应接近培训期间的最大值。