開始實驗前，請確保你的機器硬件達到要求。內存推薦8GB以上，如果低于4GB.....建議你升級一下配置再來做這個實驗。因為模型訓練的過程中需要依賴GPU，所以你的顯卡顯存至少得達到4GB，不然可能跑不動這個程序。
環境搭建
1.首先需要安裝的便是這個能讓你傻瓜式換臉的應用FakeApp了，點擊鏈接進入官網。安裝過程中并沒有什么值得特殊強調的地方，咱們一筆跳過。
2.接下來就是和GPU相關的CUDA8了，選擇相應的系統版本便可以下載安裝。在安裝方式這一步建議大家使用本地安裝exe[local]的方式，exe[network]的安裝方式....可能有點慢。默認情況下CUDA會自動幫你添加到環境變量，如果沒有，請手動添加，這一步非常重要。
至此，所有和環境相關的部署咱們已經大功告成了。
應用簡介
先簡單介紹一下FakeApp的三個模塊
GET DATASET:獲取數據集，在這一步中，你的素材視頻將被逐幀切割成圖片，程序會自動識別并提取出圖片中人物的面部數據。
TRAIN:訓練模型，根據第一步中生成的數據集，機器會自動地幫你訓練模型，從而進行面部的替換。
CREATE:生成視頻，這一步便是整個實驗中最為神奇的地方，他能根據你訓練出的模型，將給定視頻素材中人物的面部進行替換，最后生成替換后的視頻。
開始實驗
1.第一步，生成數據集
先創建一個文件夾fake，將素材視頻存放進去
咱們姑且用A和B來區分這兩個小姐姐好了，按照FakeApp的提示，將素材路徑填入，點擊EXTRACT，接下來無需任何操作，等程序跑完就行了。你會看到
fake文件夾中多出了一個dataset-A的目錄，這便是我們待會兒訓練模型時需要的數據集了。A的訓練集生成后，重復這一步驟，生成B的訓練集。至此，咱們第一步結束了。
2.第二步，訓練模型
在這一步開始前，你需要在fake文件中創建一個model目錄，這里會存放模型文件。和之前一樣，依次填入文件夾路徑，下面的參數無需修改，使用默認配置即可。點擊TRAIN，等待程序初始化后，會彈出一個預覽框，這時，你幾乎可以高枕無憂了。剛開始你會發現預覽框最右側的一列會非常模糊，不要緊，模型才剛開始訓練。Loss A和Loss B代表模型的差異值，咱們無需關注數值產生的原理，你只需要知道，兩者之差越小，說明模型訓練的越好。
訓練模型是一個很耗時間的活兒，以我為例，每個數據集各350張左右的面部圖像，訓練了大概13個小時，差異值穩定在了0.1%左右。如果你想要更好的效果，建議每個數據集不低于500張，至于如何確定數據集的大小，可以看上面的示例圖A，圖中的360代表
dataset-A的數據量。值得一提的是，訓練進度會被實時保存下來，也就是說你可以隨時暫停訓練，在預覽窗口中，輸入英文小寫字母q即可保存退出，下次想要繼續訓練的話，打開FakeApp再點擊TRAIN即可。
——-———————————分割線——-———————————
13個小時過去了，最右一列已經十分清晰了，效果也令人滿意，要不咱們先合成一個視頻試試?
——-———————————分割線——-———————————
3.在model中填入我們先前訓練好的模型路徑，Video則填入你想要替換的視頻路徑，依舊是傻瓜式，點擊CREATE，稍安勿躁，讓GPU飛一會兒~程序跑完后，你應該就能在fake文件中看到生成的swap.mp4文件了，讓我們通過視頻截圖，看看效果如何。
總的來說效果還是令人滿意的，雖然看起來有點違和，但絕對可以以假亂真。好了，至此咱們的簡易教程就告一段落了，如果你有什么問題歡迎留言討論.
