Deep-Live-Cam inswapper_128 加载失败修复指南：三步恢复换脸管线

Deep-Live-Cam inswapper_128 加载失败修复指南三步恢复换脸管线【免费下载链接】Deep-Live-Camreal time face swap and one-click video deepfake with only a single image项目地址: https://gitcode.com/GitHub_Trending/de/Deep-Live-CamDeep-Live-Cam 是一个只凭一张图就能完成实时摄像头与视频换脸的工具。首次启动时绝大多数故障都收敛在换脸管线最前端的 inswapper_128 ONNX 模型上要么状态栏报模型缺失要么执行提供器创建失败。本文面向项目新手按零改动 → 补文件 → 修环境三个层级推进修复目标是让模型能稳定加载。只讨论加载失败不讨论换脸质量、编码参数与 GPU 调优。症状快速定位症状状态栏 / 控制台原样文本可能原因进入修复层级Model not found in .../models. Please download inswapper_128.onnx.models/ 下两个 inswapper 文件都不存在自动下载也失败第二层CUDAExecutionProvider not found或--execution-provider没有 cuda 可选onnxruntime-gpu 的 CUDA 运行库组件cuDNN/cuBLAS缺失第三层Failed to load library libcudnn.sovenv 内的 cuDNN 未预加载通常是不走 run.py 入口启动第一层Error loading face swapper model: ...模型文件损坏或下载截断第二层修复主路径三个层级按侵入程度递增第一层只换启动方式第二层补本地文件第三层重装运行时依赖。每一层都先核对判断条件命中再动手。第一层零改动速通 ⚡判断条件报错含libcudnn.so或CUDAExecutionProvider not found且当前不是用主入口启动的例如直接调模块、脚本内 import。具体操作统一改用项目主入口启动它在 Linux 下会预加载 venv 里 nvidia 目录中的共享库在 Windows 下注册 CUDA DLL 目录绕开这个入口就会漏掉该步骤python run.py想直接排除模型文件嫌疑时指定 CPU 提供器python run.py --execution-provider cpu预期现象状态栏从Loading face swapper model from: ...走到Face swapper model loaded successfully.实时窗口出画面。这一步能跑通说明文件本身无辜问题被锁定在环境侧不用再怀疑 models/。不成立时已经是 run.py 启动仍报提供器错误跳到第三层处理 onnxruntime。第二层补齐 models 下的 inswapper 文件判断条件状态栏提示Model not found in .../models.或控制台出现Could not obtain the inswapper model.。具体操作先看目录实况ls -l models/目录为空、只有.part残留且网络可达时直接重跑python run.py即可——modules/processors/frame/face_swapper.py 的前置检查会触发自动下载字节数对不上的部分文件会被自动丢弃。网络不通时按 models/instructions.txt 内给出的地址手动下载 fp16277680638 字节或 fp32554253681 字节文件放入 models/二者存其一即可两个都在时 CUDA 环境自动用 FP16否则回退 FP32。预期现象ls -l显示字节数与上面完全一致重跑后出现Loading face swapper model from: models/inswapper_128_fp16.onnx。文件齐整仍加载失败说明嫌疑转移到运行时进入第三层。不成立时还报Model not found核对文件是否放在项目根目录下的models/并留意有无Failed to create directory ... permission有则换有写权限的用户运行。第三层重装 onnxruntime 运行环境判断条件文件完整、走 run.py 启动仍报Failed to load library libcudnn.so或可用提供器列表里没有 CUDA。具体操作按项目锁定的版本重装requirements.txt 固定 onnxruntime-gpu1.26.0、onnx1.22.0pip install -r requirements.txt装完立即核对python -c import onnxruntime as o; print(o.__version__, o.get_available_providers())预期现象版本号 1.26.0列表同时含CUDAExecutionProvider与CPUExecutionProvider。ONNX Runtime 按列表顺序执行CUDA 失效的算子会自动落到下一项加载不会因此失败。若列表只有 CPU 且nvidia-smi看不到显卡那是驱动层的问题先修驱动期间用--execution-provider cpu顶替。不成立时python -V不在 3.11–3.14 区间README 推荐 3.14时先重建 venv 再重装显卡可见但 cuDNN 依旧缺失时确认 pip 装进了 nvidia-cudnn-cu12 的 wheelrun.py 的预加载逻辑会自动拾取它无需手改 LD_LIBRARY_PATH。验证与收口最后做两步验证。第一步确认环境python -c import onnxruntime as o; print(o.__version__, o.get_available_providers())第二步真实跑一次加载python run.py --execution-provider cpu通过标准上条命令列出非空提供器UI 状态栏最终显示Face swapper model loaded successfully.实时窗口正常出画面。仍不通过时收集下面 5 份材料到项目官方仓库的 issues 区检索相同特征完整控制台输出从启动到报错行、onnxruntime.get_available_providers()返回值与版本号、ls -l models/输出文件名加字节数、python -V与nvidia-smi输出、操作系统发行版及版本号。模型加载是换脸管线唯一硬门槛三层走通后帧率与增强器都只是取舍问题。显卡是 GTX 16xx 系列时优先保留 FP32 文件该架构上 FP16 会输出 NaN。【免费下载链接】Deep-Live-Camreal time face swap and one-click video deepfake with only a single image项目地址: https://gitcode.com/GitHub_Trending/de/Deep-Live-Cam创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考