华为云首页用户手册

AI开发平台MODELARTS-Wav2Lip训练基于DevServer适配PyTorch NPU训练指导（6.3.907）:Step5 训练Wav2Lip模型

时间：2024-12-09 20:36:35

AI开发平台MODELARTS

Step5 训练Wav2Lip模型

准备预训练模型。下载需要使用的预训练模型。
- 人脸检测预训练模型，下载链接。
- 专家唇形同步鉴别器，下载链接，此链接是官方提供的预训练模型。训练Wav2Lip模型时需要使用专家唇形同步鉴别器，用户可以用自己的数据训练，也可以直接使用官方提供的预训练模型。
处理初始视频数据集。
1. 将下载好的人脸检测预训练模型修改名字为s3fd.pth，上传到/home/ma-user/Wav2Lip/face_detection/detection/sfd/s3fd.pth目录。
2. 下载LRS2数据集。数据集文件夹结构如下：
```
├── LRS2_partly
|     ├── main
|     │   ├── five-digit numbered video IDs ending with (.mp4)
|     │   ├── 00001.mp4
|     │   ├── 00002.mp4
```
3. 对数据集进行预处理。具体命令如下。
```
python preprocess.py --data_root ./LRS2_partly --preprocessed_root lrs2_preprocessed/
```
  data_root参数为原始视频根目录，preprocessed_root参数为处理后生成的数据集目录。
  处理后数据目录如下所示。
```
preprocessed_root (lrs2_preprocessed)
 ├── main
 |     ├── Folders with five-digit numbered video IDs（00001）
 |     │   ├── *.jpg
 |     │   ├── audio.wav
 |     ├── 00001
 |     │   ├── *.jpg
 |     │   ├── audio.wav
```
4. 将LRS2文件列表中的.txt文件（train、val）放入该filelists文件夹中。
  图2 filelists文件夹
  
  train.txt和val.txt内容参考如下，为处理后视频数据的目录名字。
  
  图3 train.txt和val.txt内容
训练专家唇形同步鉴别器。
如果使用LRS2数据集，可选择跳过此步骤。如果使用自己的数据集，训练命令参考如下。
```
python color_syncnet_train.py --data_root ./lrs2_preprocessed/main/ --checkpoint_dir ./savedmodel/syncnet_model/ --checkpoint_path ./checkpoints/lipsync_expert.pth
```
参数说明：
- --data_root ：处理后的视频数据目录，与train.txt内容拼接后得到单个数据目录，例如：lrs2_preprocessed/main/00001。
- --checkpoint_dir ：此目录用于保存模型。
- -checkpoint_path ：（可选）可基于此目录的lipsync_expert模型继续进行训练，如果重新训练则不需要此参数。
默认每10000 step保存一次模型。
训练Wav2Lip模型。
训练Wav2Lip模型时需要使用专家唇形同步鉴别器。可以使用上一步3中的训练结果，也可以直接下载官方提供的预训练权重来使用。
具体训练命令如下。
```
python wav2lip_train.py --data_root  ./lrs2_preprocessed/main/ --checkpoint_dir ./savedmodel --syncnet_checkpoint_path ./checkpoints/lipsync_expert.pth --checkpoint_path ./checkpoints/wav2lip.pth
```
首次训练会进行模型评估，默认为700 step，请耐心等待，结束之后会进行正式训练。

参数说明：
- --data_root ：处理后的视频数据目录，与train.txt内容拼接后得到单个数据目录，例如：lrs2_preprocessed/main/00001。
- --checkpoint_dir ：此目录用于保存模型。
- --syncnet_checkpoint_path ：专家鉴别器的目录。
- --checkpoint_path ：（可选）可基于此目录的Wav2Lip模型继续进行训练，如果重新训练则不需要此参数。
默认每3000 step保存一次模型。

注：
- 专家鉴别器的评估损失应降至约 0.25，Wav2Lip评估同步损失应降至约 0.2，以获得良好的结果。
- 可以在文件设置其他不太常用的超参数hparams.py，常用超参如下：
```
nepochs  训练总步数
checkpoint_interval  Wav2Lip模型保存间隔步数
eval_interval        Wav2Lip模型评估间隔步数
syncnet_eval_interval           专家鉴别器模型评估间隔步数
syncnet_checkpoint_interval     专家鉴别器模型保存间隔步数
```