FaceFusion3.0.0大抵是现在最强的AI换脸项目，分享一下如何在Win11系统，基于最新的cuda12.6配合最新的cudnn9.4本地部署FaceFusion3.0.0项目，并且搭配Tensorrt10.4，提高推理速度和效率，让甜品级显卡也能爆发生产力。

安装最新版本Cuda12.6以及Cudnn9.4

CUDA是NVIDIA公司开发的一种技术，它能让GPU像CPU一样编程，让GPU也能参与到计算中来，从而加速计算过程。你可以把它想象成一种“语言”，让程序员可以指挥GPU的“工人”们一起工作。

cuDNN则是专门为深度学习设计的“工具箱”。深度学习就像盖房子，需要很多“积木”块，比如卷积、池化等操作。cuDNN提供了这些预先优化好的“积木”，让程序员可以直接使用，而不用自己从头开始编写这些复杂的代码，从而大大提高了深度学习模型的训练和推理速度。 它就像一个经验丰富的建筑工人，能快速高效地完成盖房子的工作。

安装包可以去 Nvidia 官方网站进行下载，但是必须登录Nvidia账号，这里为大家下载好了最新的安装包：

<code>https://pan.quark.cn/s/bc3ab3494596

首先双击 cuda_12.6.1_560.94_windows.exe 进行安装，注意不要安装到C盘，因为太占地方，建议在别的盘符建立12.6目录，然后进行安装即可。

安装成功后，运行命令进行检查：

(base) PS C:\Users\zcxey> nvcc -V

nvcc: NVIDIA (R) Cuda compiler driver

Copyright (c) 2005-2024 NVIDIA Corporation

Built on Wed_Aug_14_10:26:51_Pacific_Daylight_Time_2024

Cuda compilation tools, release 12.6, V12.6.68

Build cuda_12.6.r12.6/compiler.34714021_0

(base) PS C:\Users\zcxey>

可以看到显示的版本是 12.6

随后打开 cudnn-windows-x86_64-9.4.0.58_cuda12-archive 目录，把其中的 bin、include以及lib目录直接拷贝覆盖到 cuda 的安装目录即可。至此，cuda12.6和其对应的cudnn9.4就安装好了，注意版本号必须吻合。

安装Tensorrt10.4

关于Tensorrt，想象一下你训练好了一只非常聪明的狗狗（你的深度学习模型），它已经学会了识别各种猫和狗的图片。但是，这只狗狗每次识别图片都需要很长时间，效率不高。

TensorRT就像一个训练师，它能帮助你把这只狗狗训练得更加高效。它会优化狗狗的识别方法，让它能够更快更准确地识别图片，并且消耗更少的能量。 所以，用TensorRT优化后的模型，就能在你的电脑或服务器上更快地进行推理（识别图片），从而节省时间和资源。

Tensorrt主要针对的是已经训练好的模型，而不是训练模型本身。 它就像一个专业的优化器，让你的模型在实际应用中跑得更快更省力。

打开 TensorRT-10.4.0.26 目录，把 lib 目录下的所有动态库 dll 文件全部拷贝到 cuda12.6 安装目录的 bin目录下即可：

Directory of D:\12.6\bin

2024/09/27 11:08 <DIR> .

2024/09/27 10:48 <DIR> ..

2024/08/15 02:14 228,352 bin2c.exe

2024/08/15 02:01 66 compute-sanitizer.bat

2024/09/27 10:48 <DIR> crt

2024/08/15 02:11 202,752 cu++filt.exe

2024/08/15 02:34 100,806,656 cublas64_12.dll

2024/08/15 02:34 510,903,296 cublasLt64_12.dll

2024/08/15 02:14 7,739,904 cudafe++.exe

2024/08/15 02:11 556,544 cudart64_12.dll

2023/11/30 16:26 288,296 cudnn64_8.dll

2024/09/01 04:24 265,272 cudnn64_9.dll

2024/09/01 04:24 243,945,512 cudnn_adv64_9.dll

2023/11/30 16:26 125,217,320 cudnn_adv_infer64_8.dll

2023/11/30 16:26 116,558,888 cudnn_adv_train64_8.dll

2024/09/01 04:24 4,002,872 cudnn_cnn64_9.dll

2023/11/30 16:26 582,690,344 cudnn_cnn_infer64_8.dll

2023/11/30 16:26 122,242,104 cudnn_cnn_train64_8.dll

2024/09/01 04:24 432,804,904 cudnn_engines_precompiled64_9.dll

2024/09/01 04:24 16,297,000 cudnn_engines_runtime_compiled64_9.dll

2024/09/01 04:25 2,063,400 cudnn_graph64_9.dll

2024/09/01 04:25 44,681,784 cudnn_heuristic64_9.dll

2024/09/01 04:25 107,492,904 cudnn_ops64_9.dll

2023/11/30 16:26 89,759,272 cudnn_ops_infer64_8.dll

2023/11/30 16:26 70,162,472 cudnn_ops_train64_8.dll

2024/08/15 03:03 275,258,368 cufft64_11.dll

2024/08/15 03:03 163,328 cufftw64_11.dll

2024/08/15 02:45 1,513,984 cuinj64_126.dll

2024/08/15 02:11 11,713,024 cuobjdump.exe

2024/08/15 02:25 63,279,104 curand64_10.dll

2024/08/15 04:12 116,768,256 cusolver64_11.dll

2024/08/15 04:11 77,813,248 cusolverMg64_11.dll

2024/08/15 03:09 287,497,216 cusparse64_12.dll

2024/08/15 02:14 881,664 fatbinary.exe

2024/08/15 03:20 292,352 nppc64_12.dll

2024/08/15 03:20 16,235,008 nppial64_12.dll

2024/08/15 03:20 6,234,624 nppicc64_12.dll

2024/08/15 03:20 9,865,728 nppidei64_12.dll

2024/08/15 03:20 96,892,416 nppif64_12.dll

2024/08/15 03:20 39,228,416 nppig64_12.dll

2024/08/15 03:20 9,341,952 nppim64_12.dll

2024/08/15 03:20 36,831,232 nppist64_12.dll

2024/08/15 03:20 265,728 nppisu64_12.dll

2024/08/15 03:20 4,221,440 nppitc64_12.dll

2024/08/15 03:20 12,687,872 npps64_12.dll

2024/08/15 02:34 331,776 nvblas64_12.dll

2024/08/15 02:14 14,029,824 nvcc.exe

2024/08/15 02:14 343 nvcc.profile

2024/08/15 02:11 50,708,480 nvdisasm.exe

2024/08/15 02:14 838,656 nvfatbin_120_0.dll

2024/08/30 19:47 215,426,088 nvinfer_10.dll

2024/08/30 19:46 5,688 nvinfer_10.lib

2024/08/30 19:48 1,436,593,704 nvinfer_builder_resource_10.dll

2024/08/30 19:47 616,488 nvinfer_dispatch_10.dll

2024/08/30 19:46 4,362 nvinfer_dispatch_10.lib

2024/08/30 19:46 29,457,448 nvinfer_lean_10.dll

2024/08/30 19:46 5,104 nvinfer_lean_10.lib

2024/08/30 19:47 30,986,792 nvinfer_plugin_10.dll

2024/08/30 19:46 2,564 nvinfer_plugin_10.lib

2024/08/30 19:47 565,288 nvinfer_vc_plugin_10.dll

2024/08/30 19:46 2,374 nvinfer_vc_plugin_10.lib

2024/08/15 02:13 38,856,192 nvJitLink_120_0.dll

2024/08/15 02:23 4,901,888 nvjpeg64_12.dll

2024/08/15 02:14 20,608,000 nvlink.exe

2024/08/30 19:47 3,064,872 nvonnxparser_10.dll

2024/08/30 19:46 2,524 nvonnxparser_10.lib

2024/08/15 02:45 2,210,304 nvprof.exe

2024/08/15 02:11 254,464 nvprune.exe

2024/08/15 02:11 5,345,792 nvrtc-builtins64_126.dll

2024/08/15 02:11 45,535,744 nvrtc64_120_0.alt.dll

2024/08/15 02:11 45,475,328 nvrtc64_120_0.dll

2024/08/15 03:45 129 nvvp.bat

2024/08/15 02:14 20,220,416 ptxas.exe

2024/08/15 02:14 84,480 __nvcc_device_query.exe

71 File(s) 5,612,029,986 bytes

3 Dir(s) 128,267,644,928 bytes free

至此，就完成了 Tensorrt10.4 的安装。

安装和部署FaceFusion3.0.0

首先确保本地已经安装好 Python3.11 的开发环境，随后克隆官方项目:

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

cd facefusion

安装基础依赖:

pip3 install -r requirements.txt

接着安装 onnxruntime-gpu:

pip3 install onnxruntime-gpu

ONNX Runtime-GPU 是一个高性能的推理引擎，它能够运行使用 ONNX (Open Neural Network Exchange) 格式表示的机器学习模型。 关键在于“GPU”部分，这意味着它专门针对 NVIDIA 的图形处理器 (GPU) 进行优化，以实现比在 CPU 上运行模型更快的速度和更高的效率。

注意默认安装的onnxruntime-gpu版本是19.2，它专门是为cuda12适配的。

安装 tensorrt 库：

pip3 install tensorrt==10.4.0 --extra-index-url https://pypi.nvidia.com

这里是安装 tensorrt 的python3.11运行库

最后安装torch:

pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu124

注意后缀是cu124，而不是cu118或者cu121

安装成功后，进入 python3.11 的终端：

>>> import onnxruntime as ort

>>> print(ort.get_available_providers())

['TensorrtExecutionProvider', 'CUDAExecutionProvider', 'CPUExecutionProvider']

如果三种后端支持都被打印出来了，分别是 cpu、cuda以及Tensorrt 那么说明配置和安装都成功了。

运行命令:

python3 facefusion.py run

进入换脸主界面:

由于有了Tensorrt的加持，也支持实时换脸，进入摄像头换脸界面：

<code>python3 facefusion.py run --ui-layouts webcam

摄像头换脸效果：

最后，需要注意的是，FaceFusion3.0.0需要本地安装ffmpeg软件：

<code>winget install -e --id Gyan.FFmpeg