分类： AI

运行faceswap faceswap.py gui 的时候提示

File "D:\XX\faceswap\lib\gui\menu.py", line 271, in _get_branches
    retcode, stdout.decode().strip().replace("\n", " - "))
UnicodeDecodeError: 'utf-8' codec can't decode byte 0xb2 in position 6: invalid start byte
05/28/2022 21:00:14 CRITICAL An unexpected crash has occurred. Crash report written to 'D:\XX\faceswap\crash_report.2022.xx.xx.xxxxx052.log'. You MUST provide this file if seeking assistance. Please verify you are running the latest version of faceswap before reporting

提示文件menu.py line271行错误，
可能是因为我的是中文环境操作系统，所以报错，

找到源文件 faceswap/lib/gui/menu.py，修改271行内容

 retcode, stdout.decode().strip().replace("\n", " - "))

为

 retcode, stdout.decode("utf8","ignore").strip().replace("\n", " - "))

如图所示

修改完成后再次运行 faceswap faceswap.py gui即可正常打开

闲来无聊，看到有的AI大神通过图像识别玩fps游戏 ，检测头部或者其他肢体来完成射击，突然来了兴趣，想自己弄一个，于是乎，参照其中一个改了下，原版本是用的是YOLOv5-v5版本，经过自己修改，目前在yolov5-v6.0版本下面正常运行

原始版本  项目地址

再次精简后的版本  项目地址（推荐）

本机实测正常环境：

python 3.8.10
yolov5的v6.0
pywin32 302
cuda Build cuda_11.6.r11.6
pytorch 1.10.0+cu113
torchvision 0.11.1+cu113

硬件：

AMD 5800H
RTX3060
16G内存
三星980  1T固态

在上面的平台，平均检测到射击的时间为15-20 ms，大约一帧的时间

在 8G内存，gtx 1070上面也测试通过，平均检测到射击时间为60ms

---

 

movenet需要使用tensorflow框架和显卡驱动的支持，环境的搭建可以通过anacanda一键搭建，但对于我这个初学者，比较喜欢需要什么安装什么来一步步搭建

环境主要需要这么几个：

movenet模型（可在线下载）
opencv-python
tensorflow
tensorflow-gpu
tensorflow_docs
tensorflow_hub
cuda
cudnn
zlib

1、movenet介绍和使用示例

MoveNet: Ultra fast and accurate pose detection model

2、opencv-python , tensorflow , tensorflow-gpu , tensorflow_docs , tensorflow_hub 都可以通过pip进行安装

pip install opencv-python tensorflow tensorflow-gpu tensorflow_docs tensorflow_hub

如需安装特定版本可以在模块后面加上== ，比如 tensorflow==2.7.1

如需查看现在安装的模块信息，可以通过 pip show 模块名 进行查看，比如 pip show tensorflow

3、cuda toolkit 下载地址

发行版本列表   

https://developer.nvidia.com/cuda-toolkit-archive 

根据自己的系统下载，比如Windows10，cuda11.6.2

安装的话一路默认即可

4、cuDNN下载，可能需要登录和验证

developer.nvidia.com/rdp/cudnn-archive

下载后是压缩包，需要把压缩包里面的文件解压到cuda安装路径的对应目录，一般默认在

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA

5、zlib下载和安装

zlib下载地址

www.winimage.com/zLibDll/zlib123dllx64.zip

安装zlib，下载后解压到一个目录，然后把目录添加到系统path环境变量中，cuDNN也可以用同样的方法

6、cuDNN和cuda安装和说明文档

https://docs.nvidia.com/deeplearning/cudnn/

总结：

1、python ,tensorflow,opencv ,cuda等的版本

      可以用新的，不必要非要用老的或者指定版本，通过pip安装默认版本即可

2、not found cudnn_ops_infer64_8.dll 或者not found cudnn_cnn_infer64_8.dll

      一般原因是没有安装cudnn或者没有设置cudnn环境变量

3、could not load library cudnn_cnn_infer64_8.dll error code 126或者

       could not load library cudnn_cnn_infer64_8.dll error code 193

       原因是zlib没有安装或者没有设置zlib目录环境变量，

 

通过如上一些步骤，基础环境算是部署好了，现在可以测试下movenet是否正常

使用vscode 打开movenet提供的代码，

www.tensorflow.org/hub/tutorials/movenet

这里为了验证做了精简

movenet 测试代码

图片路径和模型路径可根据自己的实际情况修改，模型为手动下载到本地加载，在线加载模型会出错

效果如图

 

yolov5的项目站点，目前更新到yolov5-v6版本

GitHub - ultralytics/yolov5: YOLOv5 ? in PyTorch > ONNX > CoreML > TFLite

yolov5的注释站点目前注释到yolov5-v5版本

GitHub - Laughing-q/yolov5_annotations