大家好，从我开始分享到现在，收到很多朋友的反馈说配置很低玩不了AI。本篇是一个云端部署AI项目的指南，帮助大家在云端进行AI项目的部署。我会从云平台的选择、代码部署、保存镜像几个方面进行详细的介绍。没有代码基础的小白也不用担心，我已经制作好了镜像，你们可以一键部署就可以在云端使用啦。

视频教程：

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

选择云平台

国内外有许多GPU算力平台提供服务，例如国内的阿里云、腾讯云、百度飞桨、AutoDL、仙宫云，以及国外的kaggle Kernel、Google Colaboratory、亚马逊AWS等。

尽管这些平台的部署流程大体相似，但具体细节各有不同。

在准备本期内容时，我尝试了AutoDL和仙宫云这两个GPU平台来部署AI项目。最终选择使用仙宫云部署。

在过去的项目中，我也使用过阿里云、Google Colaboratory和亚马逊AWS的服务来部署AI项目。
 

有两种方法:

第一种是使用我已经制作好的镜像包，直接使用。（适合小白、想快速使用的朋友）

第二种是自行部署。（适合有代码基础，想尝试的朋友）

使用镜像包

第一种方法，使用我已经制作完成的云端镜像包。

登录注册仙宫云

官网

直接找到我公开的镜像链接，点击部署。一键镜像

选择4090这个配置。

确认镜像，点击确认部署。

可以看到正在部署。耐心等待

部署完毕，点击仙宫云OS

进入主界面，默认FaceFusion服务已经启动好了。

直接双击桌面上的这个文件，打开FaceFusion的主窗口。

FaceFusion主窗口

这是打开FaceFusion的界面，关掉该界面后，程序还会执行。

输出目录

双击打开FaceFusion的输出目录

日志

点击桌面上的日志查看执行时的信息。

重启

双击重启FaceFusion程序，当你清除缓存后记得重启下FaceFusion才能执行。

上传图片/视频

关于上传，你可以将本地的图片或者视频直接拖拽到该界面上，非常方便。

下载

生成好的视频/图片点击下载按钮下载到本地。

自行部署镜像

官网

首先进入仙宫云的官网，点击部署GPU计算容器

这里选择你想要部署的机器配置。

配置服务

这里需要对GPU服务器进行一些配置。

系统盘：GPU服务器储存空间大小。默认100G，这里对于我们部署的AI项目已经够用。可扩容，会更贵些。

GPU数量:服务器的显卡数量，默认一个显卡，最高可选3张4090进行渲染，速度会更快。关于多卡渲染这里我不过多描述，感兴趣的话我后面可以出一篇教程。

镜像类型:

这里有三种镜像。

公共镜像：仙宫云官方提供的镜像。

社区镜像：其他用户制作并上传 的镜像。

私有镜像：自己制作的镜像。

由于我们是从零开始部署，所以选择公共镜像。

基础镜像选择Miniconda3，python版本选择3.10，CUDA版本选择11.8

剩下的SSH密钥和挂载云储存我们这里用不到，保持默认即可。

计费方式根据自己的需求来。

以上都设置完毕后，点击确认部署

拉取源码

来到控制台可以看到服务正在创建

等待实例创建完毕后

点击应用这一栏的Jupyter

点击后会跳转到Jupyter的操作面板，我们在这里进行部署

启动页中选择终端

进入到终端命令行中

第一步需要拉取FaceFusion在Github上的源代码。由于你懂的的网络原因，需要为当前终端开启学术加速。

开启学术加速

. /accelerate/start

接下来从Git上拉取代码

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

拉取完我们可以在左侧看到FaceFusion的文件夹

创建虚拟环境

输入cd facefusion进入这个目录

cd facefusion

使用conda创建python虚拟环境

conda create --name Dlab python=3.10

会弹出确认选项

输入y按回车

创建完毕，一个基础的虚拟环境就创建好了。

激活刚才创建的虚拟环境。

conda activate Dlab

激活后可以看到之前的base变为了Dlab

安装依赖

运行install.py脚本

python install.py

这里会出现选项框，选择要安装的onnxruntime版本

我们刚才创建服务时选择的是cuda版本是11.8，所以这里也选择对应的版本。键盘方向键上下进行选择，按回车确认。

耐心等待会儿

安装完毕

问题解决

libgl1问题

接下来运行看下

python run.py

出现libGL.so.1错误，这是因为我们的镜像中默认是不包含libgl1这个库的。

解决方法，手动安装，接着输入

apt-get install libgl1-mesa-dev

输入y后按回车继续执行

等待....

安装完毕

FFmpeg问题

再次输入运行命令，发现还有个报错，这个原因是FFMpeg库未安装。

python run.py

直接在conda内安装

conda install ffmpeg

输入y后按回车

安装完毕

成功运行

再再再再次输入运行命令

python run.py

成功执行！

现在我们直接访问这个网址是打不开的，因为这是一个本地链接，我们需要访问仙宫云上映射的网址。

来到容器管理页面，点击WebUI

会跳转到一个错误的网页，显示无法进入，不要慌，这是正常现象，因为我们的服务启动的端口不一样，仙宫云默认是80端口。

在浏览器中找到当前打开的网页链接。

把这个80改为7860，再次访问。

访问成功

用图片进行了测试，可以换脸。

上传模型

恭喜你！到这里已经成功了一大半了！接下来需要将FaceFusion所需要的所有模型都下载下来。

FaceFusion官方提供的脚本中即使是开了学术加速，下载模型的速度也不如人意。为了节约宝贵的时间，这里我们使用网盘的方式进行下载。（我已经将所有资料都放入网盘链接内）

来到仙宫云容器实例这里，选择仙宫云OS，点击打开。

可以看到我们进入了类似电脑桌面的界面。

进入桌面的百度网盘

这里需要授权下。

授权成功后找到我们网盘内存储的压缩包

右键复制

打开系统磁盘，进入系统磁盘/root/facefusion/.assets这个目录

粘贴网盘文件

右下角是进度条，耐心等待

完毕后文件夹内如下

将models文件夹右键--移至回收站(这个models文件夹是刚才我们部署好后下载的基础换脸模型，从网盘下载的压缩包内已经包含这些基础模型，所以将这个文件夹删除)

双击models.zip进行解压

等待解压

解压完毕

新解压的models文件夹里包含了所有的模型

最后你可以把models.zip压缩包删除了，因为这会占用你的空间，后面会说到。

重启服务

由于我们现在FaceFusion已经启动，我们模型上传后需要重新启动下FaceFusion。

回到Jupyter页面

点击这个图标进入管理页面。

可以看到当前运行的终端。

点击全部关闭。

然后我们重新打开终端页面

重新激活conda环境

conda activate Dlab

然后运行run脚本，这里与之前不一样的是，我加了--skip-download(跳过下载)参数。因为我们模型都已经安装完毕，不需要再走一遍下载。

python run.py --skip-download

启动完毕后还是进入刚才的7860网页查看，成功运行。

完美运行

再次测试，这次多勾选了高清修复、脸部修复。（如果你没有执行上面的模型安装步骤，是不能开启脸部修复和高清修复的，会提示没找到模型）

可以看到预览里的效果完美。

其他的操作方法跟本地版本的是一样的。如果你想对这个FaceFusion进行更多修改，请往下看。

其他修改

修改中文界面

进入系统磁盘/root/facefusion中

删除facefusion文件夹

将网盘内的facefusion.zip拷贝到这里，并解压

解压后再次重启FaceFusion服务即可。

再次进入到页面，界面已经全部变成中文的啦。

写在最后

恭喜你，看到这里，已经可以自己在云端部署FaceFusion了！记得用的时候关闭实例，保存镜像！

总结下，本篇教程我使用的是仙宫云服务，部署的时候会有个小“坑”——libgl1问题。在使用仙宫云之前我在AutoDL上也部署过，不会出现像libgl1问题这个“坑”，所以不同的GPU服务平台的问题有可能会不一样，但是流程都相同。

关于本篇用到的模型与命令可在公众号内回复【脸资料】获取。无套路！

最后希望这篇文章对你有帮助！感谢你的阅读！