Wav2Lip基于DevServer适配PyTorch NPU训练指导（6.3.902）

方案概览

本方案介绍了在ModelArts的DevServer上使用昇腾计算资源开展Wav2Lip训练的详细过程。完成本方案的部署，需要先联系您所在企业的华为方技术支持购买DevServer资源。

本方案目前仅适用于企业客户。

环境配置要求

准备一台ModelArts的DevServer物理机环境，推荐使用“西南-贵阳一”Region上的DevServer资源和Ascend Snt9B单机单卡。

获取软件

获取Wav2Lip Ascend适配代码ascendcloud-aigc-6.3.902-*.tar.gz文件。获取路径：Support网站。

如果没有软件下载权限，请联系您所在企业的华为方技术支持下载获取。

ascendcloud-aigc-6.3.902-*.tar.gz文件名中的*表示具体的时间戳，以包名的实际时间为准。

Step1 准备环境

1. 请参考DevServer资源开通，购买DevServer资源，并确保机器已开通，密码已获取，能通过SSH登录，不同机器之间网络互通。
   

   购买DevServer资源时如果无可选资源规格，需要联系华为云技术支持申请开通。

   当容器需要提供服务给多个用户，或者多个用户共享使用该容器时，应限制容器访问Openstack的管理地址（169.254.169.254），以防止容器获取宿主机的元数据。具体操作请参见禁止容器获取宿主机元数据。

2. 检查环境。
   1. SSH登录机器后，检查NPU设备检查。运行如下命令，返回NPU设备信息。

      npu-smi info

      如出现错误，可能是机器上的NPU设备没有正常安装，或者NPU镜像被其他容器挂载。请先正常安装固件和驱动，或释放被挂载的NPU。

   2. 检查docker是否安装。

      docker -v   #检查docker是否安装

      如尚未安装，运行以下命令安装docker。

      yum install -y docker-engine.aarch64 docker-engine-selinux.noarch docker-runc.aarch64

   3. 配置IP转发，用于容器内的网络访问。执行以下命令查看net.ipv4.ip_forward配置项的值，如果为1，可跳过此步骤。

      sysctl -p | grep net.ipv4.ip_forward

      如果net.ipv4.ip_forward配置项的值不为1，执行以下命令配置IP转发。

      sed -i 's/net\.ipv4\.ip_forward=0/net\.ipv4\.ip_forward=1/g' /etc/sysctl.conf
      sysctl -p | grep net.ipv4.ip_forward

3. 获取基础镜像。建议使用官方提供的镜像部署推理服务。

   镜像地址{image_url}为：

   西南-贵阳一：swr.cn-southwest-2.myhuaweicloud.com/atelier/pytorch_2_1_ascend:pytorch_2.1.0-cann_7.0.0-py_3.9-hce_2.0.2312-aarch64-snt9b-20240312154948-219655b

   docker pull ${image_url}

4. 启动容器镜像。启动前请先按照参数说明修改${}中的参数。可以根据实际需要增加修改参数。

   export work_dir="自定义挂载的工作目录"
   export container_work_dir="自定义挂载到容器内的工作目录"
   export container_name="自定义容器名称"
   export image_name="swr.cn-southwest-2.myhuaweicloud.com/atelier/pytorch_2_1_ascend:pytorch_2.1.0-cann_7.0.0-py_3.9-hce_2.0.2312-aarch64-snt9b-20240312154948-219655b"
   // 启动一个容器去运行镜像
   docker run -itd \
           --device=/dev/davinci0 \
           --device=/dev/davinci_manager \
           --device=/dev/devmm_svm \
           --device=/dev/hisi_hdc \
           -v /usr/local/bin/npu-smi:/usr/local/bin/npu-smi \
           -v /usr/local/dcmi:/usr/local/dcmi \
           -v /etc/ascend_install.info:/etc/ascend_install.info \
           -v /sys/fs/cgroup:/sys/fs/cgroup:ro \
           -v /usr/local/Ascend/driver:/usr/local/Ascend/driver \
           --shm-size 32g \
           --net=bridge \
           -v ${work_dir}:${container_work_dir} \
           --name ${container_name} \
           ${image_name} bash

   参数说明：

   • --name ${container_name} 容器名称，进入容器时会用到，此处可以自己定义一个容器名称。
   • -v ${work_dir}:${container_work_dir} 代表需要在容器中挂载宿主机的目录。宿主机和容器使用不同的文件系统。work_dir为宿主机中工作目录，目录下存放着训练所需代码、数据等文件。container_work_dir为要挂载到的容器中的目录。为方便两个地址可以相同。
   • ${image_name} 代表 ${image_name}。
5. 通过容器名称进入容器中。

   docker exec -it ${container_name} bash

Step2 安装依赖和软件包

1. Python版本要求3.10，如果不满足的话，建议更新容器的conda环境的Python版本。

   # 输入如下命令，待conda界面准备完成后输入y，等待自动下载安装
   conda create --name py310 python=3.10

   参数说明：

   • --name：该参数为新环境名字，可以自定义一个，此处以py310举例。
   • python=新环境Python版本

   # 完成后输入如下命令激活新环境
   conda activate py310 

   激活新conda环境后控制台显示（py310）即为切换成功，如下图所示。

   图1 激活新conda环境
   
2. 从github拉取Wav2Lip代码。

   cd /home/ma-user
   git clone https://github.com/Rudrabha/Wav2Lip.git

   如果出现报错SSL certificate problem: self signed certificate in certificate chain

   图2 报错SSL certificate problem
   

   可采取忽略SSL证书验证：使用以下命令来克隆仓库，它将忽略SSL证书验证。

   git clone -c http.sslVerify=false https://github.com/Rudrabha/Wav2Lip.git

3. 安装Wav2Lip Ascend软件包。
   1. 将获取到的Wav2Lip Ascend软件包ascendcloud-aigc-*.tar.gz文件上传到容器的/home/ma-user/Wav2Lip目录下。获取路径：Support网站。
   2. 解压ascendcloud-aigc-*.tar.gz文件，解压后将里面文件与对应Wave2Lip文件进行替换。

      cd  /home/ma-user/Wav2Lip
      tar -zxvf ascendcloud-aigc-6.3.902-*.tar.gz
      tar -zxvf ascendcloud-aigc-poc-Wav2Lip_Ascend.tar.gz
      mv Wav2Lip_code/* ./
      rm -rf ascendcloud-aigc-* Wav2Lip_code/

      

      ascendcloud-aigc-6.3.902-*.tar.gz后面的*表示时间戳，请按照实际替换。

      要替换的文件目录结构如下所示：

      |---Wav2Lip_code/
             --- color_syncnet_train.py     #训练expert discriminator唇形同步鉴别器
             --- inference.py               #推理代码，可以与任意音频或视频进行口型同步
             --- preprocess.py              #对初始视频数据进行推理
             --- read.txt                   #关于包版本兼容问题的一些处理方案
             --- requirements.txt           #建议的依赖包版本
             --- wav2lip_train.py           #训练 Wav2Lip 模型

4. 安装Python依赖包，文件为requirements.txt文件。

   pip install -r requirements.txt

   由于librosa、numba、llvmlite包的版本兼容问题，会出现报错ModuleNotFoundError: No module named 'numba.decorators'。

   此时进入Python包librosa安装位置，打开文件site-packages/librosa/util/decorators.py，修改文件如下：

   import warnings
   from decorator import decorator import six
   #注释此行
   #from numba.decorators import jit as optional_jit
   #修改此行如下
   #__all__ = ['moved', 'deprecated', 'optional_jit']
   __all__ = ['moved', 'deprecated']

Step3 训练Wav2Lip模型

1. 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。
2. 处理初始视频数据集。
   1. 将下载好的人脸检测预训练模型上传到/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3 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4 train.txt和val.txt内容
      
3. 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。

4. 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

   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。

   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。

常见问题

如果训练时遇到报错ImportError: /usr/lib64/libc.so.6: version `GLIBC_2.34' not found，是由于编译Python的glibc环境版本过旧导致，建议重新安装python。

重新安装python命令如下。

# 输入如下命令，待conda界面准备完成后输入y，等待自动下载安装
conda create --name py310 python=3.10

参数说明：

• --name：该参数为新环境名字，可以自定义一个，此处以py310举例。
• python=新环境Python版本

# 完成后输入如下命令激活新环境
conda activate py310

激活新conda环境后控制台显示（py310）即为切换成功，如下图所示。

图5 激活新conda环境