安裝和建置 Anaconda 3 環境並執行 CodeFormer （2023/01/23 更新）

Step 1.安裝 Anaconda 或是 Miniconda

安裝 Anaconda

或是安裝精簡版的 Miniconda

Step 2.安裝 Cuda

####(如果你的顯示卡沒有支援 CUDA，可以跳過。之後安裝 Pytorch 時選擇 CPU，之後相關的運算只能透過 CPU 來執行)

下載 CUDA Toolkit 12.0 Downloads

(選擇目標平台，依照你的系統環境來選擇)

選擇 windows10, x86_64, 10 , exe(local)，再選擇 Download 就能下載，安裝步驟除了選擇自訂，之後依序下一步即可。

檢查 CUDA 是否安裝成功，若安裝成功會輸出 CUDA 版本資訊

nvcc -V

Step 3.Anaconda for VS Code

Anaconda 3 安裝完成之後，開啟 Anaconda Navigator (Anaconda3)

點選 VS Code 的 Launch 按鈕

（補充：以下示範皆在 Anaconda 的 VS Code 下執行，當然也可以在 Anaconda Prompt 或是其他的環境執行，前提是安裝 Anaconda 的過程，有將 conda 加入環境變數，如果執行 conda 相關指令時出現「Conda is not recognized as internal or external command」，可以參閱 Q&A 的文章說明來解決問題。)

Step 4.建立虛擬環境

查詢目前系統有幾個虛擬環境 (需要時再使用)

你可以輸入下面命令看看目前系統已經安裝幾個虛擬環境。

conda env list

或是

conda info --envs

建立新的 anaconda 虛擬環境 (除了預設的『base』虛擬環境之外，建議至少建立一組新的)

(「dev」為自訂的虛擬環境名稱，可依照自己的需要修改，「python=3.9」是使用 Anaconda 3 目前內建的 Python v3.9)

conda create -n dev python=3.9 -y

(補充：在 VS Code 內輸入快捷鍵 (Ctrl+ Shift + P) 選擇『Python：Select Interpreter』，可以切換 Python 直譯器（interpreter）

刪除虛擬環境（一般狀況下不太需要使用到這個指令）

(「dev」為自訂的虛擬環境名稱，可依照自己的狀況來修改）

conda remove --name dev --all

Step 5.啟動虛擬環境

3.1 啟動 Conda 虛擬環境（Windows）

(「dev」為自訂的虛擬環境名稱，可依照自己的需要修改)

啟動一個新的虛擬環境可以利用下面命令。

conda activate dev

啟動 Conda 虛擬環境（LINUX | macOS）

(「dev」為自訂的虛擬環境名稱，可依照自己的需要修改)

source activate dev

退出虛擬環境(退出目前的虛擬環境)

conda deactivate

Step 6.安裝 Pytorch 1.x

進入 Pytorch 官網到『GET STARTED』依照你的系統環境下載適合的 Pytorch 版本 (撰寫時目前版本是 Pytorch v1.13.1，最新版是 pytorch v2.0.x) （如果顯示卡有支援 CUDA，就選擇支援的版本，如果顯示卡不支援的話，之後只能透過 CPU 來運算。

選完之後，『Run this Command:』下方會提供直接複製，貼到 VS Code 終端機（CMD 或是 Perwer Shell ）執行就能安裝相關套件。

例如：

conda install pytorch torchvision torchaudio pytorch-cuda=11.7 -c pytorch -c nvidia

Step 7.下載 CodeFormer 程式

CodeFormer (Github)

或是使用 git 指令下載

git clone https://github.com/sczhou/CodeFormer

（假設你會使用 Git 相關工具，沒有的話，可以到 Git SCM 下載，教學可以到 Git SCM 提供的教學，Git GUI 客戶端軟體很多，這裡就不一一介紹。

Step 8.安裝 Python 相關依賴 dependencies

切換到專案下載的路徑

例如： CD 路徑名稱\CodeFormer

執行以下的命令進行安裝

pip3 install -r requirements.txt
python basicsr/setup.py develop

Step 9.下載預訓練模型

從 [ Google Drive | OneDrive ] 下載 facelib 預訓練模型到 weights/facelib 文件夾。您可以手動下載預訓練模型或通過運行以下命令下載。

python scripts/download_pretrained_models.py facelib

從 [ Google Drive | OneDrive ] 下載 CodeFormer 預訓練模型到 weights/CodeFormer 文件夾。您可以手動下載預訓練模型或通過運行以下命令下載。

python scripts/download_pretrained_models.py CodeFormer

Step 10. 準備要訓練的資料:

你可以將要測試的影像放置到 inputs/TestWhole 資料夾。假如你想測試裁剪和對齊的臉部影像，你可以放置到 inputs/cropped_faces 資料夾。

Step 11.執行臉部修復

🧑🏻臉部修復（裁剪和對齊的臉部）

# For cropped and aligned faces
python inference_codeformer.py -w 0.5 --has_aligned --input_path [input folder]

增加 '--bg_upsampler realesrgan' 參數，使用 `Real-ESRGAN` 提高背景區

增加 '--face_upsample' 參數，使用 `Real-ESRGAN` 進一步恢復臉部採樣

python inference_codeformer.py -w 0.5 --has_aligned --bg_upsampler realesrgan --input_path [input folder]

🖼️整體圖像增強

# For whole image
python inference_codeformer.py -w 0.7 --input_path [image folder/image path]

#### 增加 '--bg_upsampler realesrgan' 參數，使用 `Real-ESRGAN` 提高背景區 
#### 增加 '--face_upsample' 參數，使用 `Real-ESRGAN` 進一步恢復臉部採樣
python inference_codeformer.py --bg_upsampler realesrgan -w 0.7 [image folder/image path]

🎬影片增強

For video clips

影片副檔名是 '.mp4'|'.mov'|'.avi'

python inference_codeformer.py --bg_upsampler realesrgan --face_upsample -w 1.0 --input_path

保真度權重 w 介於 [0, 1] 中。通常，較小的 w 往往會產生較高品質的結果，而較大的 w 會產生較高保真度的結果。

結果將保存在 results 文件夾中。

Q&A

Conda is not recognized as internal or external command

補充：

官網提供的範例 Huggingface.co Demo

參考資料｜

CodeFormer AI 視頻、圖片修復軟體！最新的安裝、設置教程！

Managing environments

Removing an environment

相關資料｜

Real-ESRGAN Github

open_model_zoo

zengjixiang/CodeFormer （照片和影片修復）.md