GTX 750等低配显卡如何玩转Deepfakes？

这里说的Deepfakes软件还是DeepFaceLab，人工智能换脸，是使用深度学习方法来实现的。而深度学习程序对电脑配置要求是非常高的，尤其是跑模型这个环节。很多低配电脑，根本就跑步起来。比如像GTX 750 ，1G显存。

默认情况下这种配置肯定跑不了这个程序，但是通过自定义参数也能跑。这对于低配玩家来说绝对是个好消息。

首先，你需要获取的DFL的版本为DeepFaceLabCUDA10.1AVX20190313 或者更高。

其次，你要运行SAE模型，SAE模型的配置参数可以参考：

===== Model summary =====

== Model name: SAE

==

== Current iteration: 169238

==

== Model options:

== |== batch_size : 4

== |== sort_by_yaw : False

== |== random_flip : True

== |== resolution : 128

== |== face_type : f

== |== learn_mask : True

== |== optimizer_mode : 3

== |== archi : df

== |== ae_dims : 256

== |== ed_ch_dims : 32

== |== lighter_encoder : True

== |== multiscale_decoder : False

== |== pixel_loss : True

== |== face_style_power : 0.0

== |== bg_style_power : 0.0

== |== write_preview_history : True

== Running on:

== |== [0 : GeForce GTX 750]

=========================

这个参数配置在训练环节开始的时候可以设置，与默认配置相比，这里主要调整了optimizer_mode  ，ae_dims ，ed_ch_dims ，lighter_encoder

optimizer_mode ：3 这个调整是为了让显卡使用共享内存，也就是使用你电脑的内存。

ae_dims : 256，ed_ch_dims : 32  是降低了神经网络的规模，相应的效果会差些。

lighter_encoder : True  使用轻量级密编码器，其实也是降低了神经网络复杂度。

通过牺牲一些效果，你就可以将这个程序跑起来了。