开始实验前，请确保你的机器硬件达到要求。内存推荐8GB以上，如果低于4GB.....建议你升级一下配置再来做这个实验。因为模型训练的过程中需要依赖GPU，所以你的显卡显存至少得达到4GB，不然可能跑不动这个程序。

环境搭建

1.首先需要安装的便是这个能让你傻瓜式换脸的应用FakeApp了，点击链接进入官网。安装过程中并没有什么值得特殊强调的地方，咱们一笔跳过。
2.接下来就是和GPU相关的CUDA8了，选择相应的系统版本便可以下载安装。在安装方式这一步建议大家使用本地安装exe[local]的方式，exe[network]的安装方式....可能有点慢。默认情况下CUDA会自动帮你添加到环境变量，如果没有，请手动添加，这一步非常重要。

至此，所有和环境相关的部署咱们已经大功告成了。

应用简介

先简单介绍一下FakeApp的三个模块
GET DATASET:获取数据集，在这一步中，你的素材视频将被逐帧切割成图片，程序会自动识别并提取出图片中人物的面部数据。
TRAIN:训练模型，根据第一步中生成的数据集，机器会自动地帮你训练模型，从而进行面部的替换。
CREATE:生成视频，这一步便是整个实验中最为神奇的地方，他能根据你训练出的模型，将给定视频素材中人物的面部进行替换，最后生成替换后的视频。

开始实验

1.第一步，生成数据集
先创建一个文件夹fake，将素材视频存放进去

咱们姑且用A和B来区分这两个小姐姐好了，按照FakeApp的提示，将素材路径填入，点击EXTRACT，接下来无需任何操作，等程序跑完就行了。你会看到fake文件夹中多出了一个dataset-A的目录，这便是我们待会儿训练模型时需要的数据集了。A的训练集生成后，重复这一步骤，生成B的训练集。至此，咱们第一步结束了。 示例A

2.第二步，训练模型
在这一步开始前，你需要在fake文件中创建一个model目录，这里会存放模型文件。和之前一样，依次填入文件夹路径，下面的参数无需修改，使用默认配置即可。点击TRAIN，等待程序初始化后，会弹出一个预览框，这时，你几乎可以高枕无忧了。刚开始你会发现预览框最右侧的一列会非常模糊，不要紧，模型才刚开始训练。Loss A和Loss B代表模型的差异值，咱们无需关注数值产生的原理，你只需要知道，两者之差越小，说明模型训练的越好。

训练模型是一个很耗时间的活儿，以我为例，每个数据集各350张左右的面部图像，训练了大概13个小时，差异值稳定在了0.1%左右。如果你想要更好的效果，建议每个数据集不低于500张，至于如何确定数据集的大小，可以看上面的示例图A，图中的360代表dataset-A的数据量。
值得一提的是，训练进度会被实时保存下来，也就是说你可以随时暂停训练，在预览窗口中，输入英文小写字母q即可保存退出，下次想要继续训练的话，打开FakeApp再点击TRAIN即可。

——-———————————分割线——-———————————

13个小时过去了，最右一列已经十分清晰了，效果也令人满意，要不咱们先合成一个视频试试?

——-———————————分割线——-———————————

3.在model中填入我们先前训练好的模型路径，Video则填入你想要替换的视频路径，依旧是傻瓜式，点击CREATE，稍安勿躁，让GPU飞一会儿~程序跑完后，你应该就能在fake文件中看到生成的swap.mp4文件了，让我们通过视频截图，看看效果如何。

替换前
替换后

总的来说效果还是令人满意的，虽然看起来有点违和，但绝对可以以假乱真。好了，至此咱们的简易教程就告一段落了，如果你有什么问题欢迎留言讨论.