这是一个创建于 1356 天前的主题，其中的信息可能已经有所发展或是发生改变。
今天在 GitHub 上看到了 faceswap 这个换脸项目，兴致大发，在自己的 1070 Ti 显卡上试了一番。这个项目不错，感觉真的是把机器学习做到了开箱即用了。
于是我尝试把女朋友常跟着跳舞的 UP 主视频，那个 UP 主的脸换成我的脸，丧心病狂地准备让她看着我跳舞，哈哈。
现在还在跑模型训练，预计要……两三天，1070 Ti 这么拉垮了吗？我都闻到糊味了，话说搞机器学习的人都经常要等这么久吗？
 | 1 Merlini 2022-03-30 21:53:14 +08:00 via Android 深度学习实验室都用的 tesla v100 那种比较贵的卡吧，关键贵的卡可能也得跑几天，或者 google 的 tpu 。 不是 1070ti 拉，是算力要求太高了。 |
 | 2 villivateur OP @Merlini 话说如果不求质量的话，模型训练到一半停下来也能用？ |
 | 3 vopin 2022-03-30 22:22:14 +08:00 via iPhone 不清楚具体，一般用别人训练好的模型 inference 很快的吧，你这个必须从头训练吗 |
 | 4 Merlini 2022-03-30 22:49:34 +08:00  1 @villivateur #2 对的，处理好 keyboardinterruptexception 能保存下来就能用。其实一开始的模型里面的 vector 全随机也能用，只是效果不好而已，训练的过程就是让模型里面的 vector 更逼近理想的结果。现在单纯用的话都是 fine-tuning 多，不需要训练那么长时间了，有些是完全不需要再训练直接开箱即用。 |
 | 5 hertzry 2022-03-31 00:06:34 +08:00 via Android 找找有没有预训练好的模型参数，直接下载下来。 |
 | 6 ekidona 2022-03-31 07:45:19 +08:00 via iPhone 我这边做真正的 training 一般是提交一个 kubeflow pipeline 到 aws 上，然后通常会拉起几十个 worker ，几百个 GPU 啥的。 |
| 7 ekidona 2022-03-31 07:46:16 +08:00 via iPhone 当然 train 一次都是几万刀的电费 |
 | 8 netnr 2022-03-31 08:32:30 +08:00 via Android 1 源动力实足 |
 | 9 yaphets666 2022-03-31 09:12:10 +08:00 我们是 5 张 3080 |
 | 10 vicalloy 2022-03-31 10:16:49 +08:00 机器学习很大程度上是算力的比拼，就是烧钱。 个人玩一般都是用预训练好的模型吧，为啥要自己从头训。 对 faceswap 不熟，你应当只是用预训练好的模型做推理吧。 |
| 11 villivateur OP |
 | 12 lizytalk 2022-03-31 20:08:11 +08:00 via iPhone 小数据测通模型，再跑大数据，等大数据结果的时间干别的 |
 | 13 pydiff 2022-03-31 21:21:07 +08:00 via iPhone 用了 4 张 v100 ，所有卡都是吃满状态，算了 17 天了都还没完，这玩意太耗性能了 |
 | 14 necomancer 2022-04-01 14:06:17 +08:00 1920x1080 是不行的，你试试 64x36 ，缩小 G 和 D 的 filter 个数，把 64 ，128 ，256 ，512 换成 8 ，16 ，32 ，64 ，训练起来就快多啦～无非是糊得抽象些，加油～ |
| 15 necomancer 2022-04-01 14:07:33 +08:00 卧槽我看了一下难道 faceswap 本来就是 64x64.....上 32x32 ？糊成头像(￣￣) |
 | 16 RatioPattern 2022-04-04 06:27:53 +08:00 1 1070 系列当时镁光显存有质量问题，炼丹可能失败或者偏离太大可以往这方面考虑，已经踩坑.............. |
 | 17 shm7 2022-05-20 23:58:14 +08:00 所以，糊了没？ |
| 18 |
| 19 shm7 2022-05-21 14:50:45 +08:00 @villivateur 允悲。用 gpustat 或者 nvidia-smi 监测下使用率和温度，真的很考验散热。 |
Select Language