1 在gitHub里下载了压缩包

2pycharm里面打开

3项目下新建虚拟环境env

步骤：file->setting->python interpreter->add->Virtualenv Environment

4  git 工具安装好 file->setting->python interpreter->tools->Terminal

5 使用Linux服务器的GPU，用到的工具Xshell

6 Linux 建立文件夹 

第一步建文件夹： 

显示当前目录命令ll

进入主目录命令 cd  /data   

进入分目录命令  cd  Username/

创建文件夹命令 mkdir  Username  同理Program, Data,Project

第二步安装miniconda，安装在Program并且设置环境变量：

wget -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/miniconda/Miniconda3-4.7.10-Linux-x86_64.sh                                                                           下载命令（sample）

chomd a+x Miniconda3-py37_4.9.2-Linux-86_64.sh          给所有用户给予文件可执行权限

bash   Miniconda3-py37_4.9.2-Linux-86_64.sh                  安装文件

将minicoda里面的python设置当前用户的全局变量：

export PATH=/data/Lisa/Program/miniconda3/bin/python3.7$PATH

注意：

 7连接Pycharm ：   Tools->Deployment->Configuration

 8在使用GPU时，如果一张卡够用，没有多卡并行，使用以下代码：

具体可百度：

import os
os.environ["CUDA_VISIBLE_DEVICES"] = "2"# 2是GPU编号（四张卡一般是0,1,2,3）

export  P=/usr/local/cuda-11.1/bin:$PATH

export  LD_LIBRARY_PATH=/usr/local/cuda-11.1/lib64$LD_LIBRARY_PATH

export  PATH=/data/Lisa/Program/miniconda3/bin/python:$PATH

export PYTHON_INCLUDE_PATH=/data/Lisa/Program/miniconda3/include/python3.7m:$PYTHON_INCLUDE_PATH

vim .bashrc  nvidia-smi -l     看卡的型号来指定哪一张卡来加速 

9 准备执行项目

sudo add-apt-repository ppa:djcj/hybri                                  安装ffempg 命令 

 ls                                                                                           查看目录命令

pip3 install torch==1.9.0+cu111 torchvision==0.10.0+cu111 torchaudio==0.9.0 -f https://download.pytorch.org/whl/torch_stable.html              安装pytorch的命令

python image_animation.py -i Inputs/trump2.png -c checkpoints/vox-cpk.pth.tar -v 1.mp4

                                                                                               执行命令

10  在xshell查看项目

11文件下载

  下载服务器上的文件可以用这个软件

原文链接:https://blog.csdn.net/yangxue_mifen/article/details/119044332