DeepFaceLab2.0与老版本之间的异同
作者：互联网
前几天发了一篇DFL2.0的文章，不少已经用过DFL的小伙伴都有一个疑问：DFL2.0到底有什么提升？有什么不一样？我要不要更新？应该怎么更新？因为时间经历的原因我也还没有深入研究，但是可以和大家分享下以显而易见的一些点。
* 仅支持N卡，不再支持A卡！
因为作者觉得支持A卡有点累，所以A卡被放弃了。对于A卡用户来说有点可惜。 从深度学习的角度来说，确实是N卡支持的比较好。虽然A卡可能比较便宜性价比高，但是如果想要跑一些基于深度学习的软件，尤其是开源软件，还是推荐购买N卡。
* 支持N卡多卡训练了
我本身是单卡没有去测试，但是从更新记录中可以看到，现在训练模型的时候也支持多卡了。这对多卡用户来说是一个好消息。
* 删除了一堆模型和脚本
软件解压后，这一点显而易见。 提取环节MF和DLIB已经成为过去式，现在只剩下S3FD，也不存在最佳GPU，所有GPU这些脚本了，对于GPU的选择移动到了启动后的命令行界面。排序也浓缩了成了一个sort脚本。原先的convert脚本名字改成了merged。当然这里最大的变化是，删减了很多模型。其中包括H64,H128,DF,SAE。目前仅剩下Quick96和SAEHD模型。
在换脸软件中H64可以说是经典模型，在AI换脸爆火的时候，当时那些看起来牛逼哄哄的视频背后的算法都是和H64类似的。
* 交互方式做了改变。
同样是命令行，但是交互方式稍微发生了一些变化。尤其关于模型的操作，增加了新建，命名，重命名等。基本所有环节都可以选择CPU或者某个GPU来运行。
* 首次使用加载变快了。
在以往的版本中，首次解压软件后，走到第四步往往容易卡住，这个时间会持续几分钟。新版本已经基本解决了这个问题。
* 提取功能调整
从三个步骤变成了一个步骤，好处是万一中断了也不会功亏一篑。当然整体速度可能比早前的版本会慢一些。
*模型命名功能
以前训练模型的时候都是以模型类型来命名的，现在可以自定义文件名。这样的好处是，同一个目录下，可以训练无数个SAEHD或者Quick96而不会冲突。为了实现这一功能，模型文件中有添加了一个新的配置文件XXXX_default_options.dat。模型文件后缀从H5变成了npy。
* 模型不在兼容以前版本。
作为DFL的资深玩家，也算是见怪不怪了，想当年SAE狂更新的时候，动不动就要重练模型。就是苦了那些拼命练丹的同学！
* 模型迭代时间缩短了
1126版SAEHD模型默认参数情况下，单次迭代1219ms(显卡1070) ，训练10分钟后效果如上！
新版本中SAEHD模型默认参数下，单次迭代442ms，训练十分钟效果如上。 对比一下，新版本的单次时间减少了很多，相同时间内，Loss值更低，预览图更好！至于到底效率提高了多少，还没有进行严格的测试。
*SAEHD新增和修改了一些参数！
Autobackup every N hour ：从原先的一个小时一次，可以选择多少个小时备份一次。
super resolution power： 从原先的是否启用改为可以输入0~100的数值
erode/blur ：默认值改为0
GAN power ：用生成对抗式网络来训练神经网络，强制神经网络学习面部小细节。
True face power： 从原先的是否启用改为可以输入 0~1的数值
optimizer_mode：被移除
Place models and optimizer on GPU：新增。当你在GPU上训练是时，默认将模型和权重放在GPU上以加速该过程。你也可以将它们放在CPU上以释放额外的VRAM，从而可以配置更高的参数。
＊交互式合成似乎无法自动进行
在之前的版本中，交互式合成方式，只需要按回车键就会自动进行，新版本可以确定按回车没有用，其他键似乎也无法启动自动合成，这样就会比较崩溃了。
* 如何更新
安装包可以从群文件获取，只要解压到和老版本不同的目录即可，两者不冲突，可以共存！
大概就是这些内容啦。
整体来说，作者付出了大量的时间和经历对软件进行了更新，也有些不错的改进，对特定的需求人群比较有用。但是作为大部分应用使用者来说，可能并没有太大的必要立马去升级，众多改变中并没有颠覆性的内容。
软件更新是非常常见的一个问题，作为研究者探索者自然会去尝试新的版本，而作为使用者，其实只要某个功能点满足了，就没必要付出太大精力去更新！再等等，等稳定了再说。
托尼是塔克
发布了41 篇原创文章 · 获赞 31 · 访问量 6万+
私信
关注
标签：训练,DeepFaceLab2.0,模型,SAEHD,更新,异同,版本,GPU 来源： https://blog.csdn.net/wpgdream/article/details/104201043