Live Debian System 安裝使用 CodeFormer（使用Anaconda）XXX

目前人工智慧（AI）已有越來越多的應用，而CodeFormer是一種人工智慧數位臉部修復工具，一般可以在其官網上傳照片，它會修復後讓你下載，但傳過一次曠日費時，還好它是開源軟體，於是將其安裝到自己的電腦中，便可以批次處理，不過事涉大量運算，有獨顯速度會快些，沒有的就只能用CPU硬解。

如果原稿臉部夠大張（最好512×512像素以上），其還原程度相當不錯，有針對臉部一般修復、精細修復、上色、破碎還原等，個人覺得蠻自然傳神的。它也可以針對影片做臉部修復，但更耗資源我就不試了，有興趣的可以將你的照片丟到網站上試試看。

CodeFormer專案：

https://github.com/sczhou/CodeFormer

1. 先 https://repo.anaconda.com/archive/ 下載 anaconda 2024.06-1 版 （挑選 Linux x86_64）＊＊CodeFormer 建議 Python 3.8~3.11，太新的可能會出問題！！
2. 安裝Anaconda（使用者為emer）
   chmod +x Anaconda3-2020.11-Linux-x86_64.sh
sh ./Anaconda3-2020.11-Linux-x86_64.sh
[Enter] 觀看版權聲明，[空白鍵]翻頁，按[q]離開
   Do you accept the license terms? [yes|no] -> [yes]
   Anaconda3 will now be installed into this location:/home/emer/anaconda3 -> [Enter]
   Do you wish to update your shell profile to automatically initialize conda? -> [yes]
3. 關掉終端機再打開終端機。
4. 建立 CodeFormer 專用環境與環境變數
   conda create -n codeformer python=3.8 -y; conda activate codeformer（CodeFormer 對 3.8–3.10 最穩，此處採 3.8） 
5. 安裝與 GTX 1060 相容的 PyTorch（CUDA 版）
   pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118 --cache-dir=$HOME/tmp
6. 取得 CodeFormer 原始碼並安裝依賴
   git clone https://github.com/sczhou/CodeFormer; cd CodeFormer
   export TMPDIR=$HOME/tmp
   pip install -r requirements.txt --cache-dir=$HOME/tmp
   python basicsr/setup.py develop
   conda install -c conda-forge dlib
   python scripts/download_pretrained_models.py facelib（失敗）
   python scripts/download_pretrained_models.py CodeFormer（失敗）

使用 CodeFormer:

將一個批次檔（ex: aiphoto）放置於 /usr/local/bin 內容如下：

 #!/usr/bin/env bash
INPUT_DIR="${INPUT_DIR:-$HOME/old}"
OUTPUT_DIR="${OUTPUT_DIR:-$HOME/aiphoto}"
CODEFORMER_DIR="${CODEFORMER_DIR:-$HOME/CodeFormer}"
CONDA_ENV_NAME="${CONDA_ENV_NAME:-codeformer}"

cd "$CODEFORMER_DIR" || { echo "找不到 CodeFormer 目錄：$CODEFORMER_DIR"; exit 1; }

clear
echo "=============================================="
echo "         CodeFormer 批次處理操作介面          "
echo "=============================================="
echo "原始圖片資料夾：$INPUT_DIR"
echo "輸出結果資料夾：$OUTPUT_DIR"
echo

echo "請選擇處理模式："
echo "  [1] 僅修復"
echo "  [2] 利用 Real-ESRGAN 強化背景區域"
echo "  [3] 以 Real-ESRGAN 進一步提升修復後的人臉細節"
echo "  [4] 彩色化黑白或褪色照片"
echo "  [5] 人臉修補（裁切並對齊的人臉）"
echo "  [6] 修復影片"
echo "  [0] 離開程式"
read -p "請輸入選項數字（0-6）: " choice

if [[ "$choice" =~ ^[1-3]$ ]]; then
  read -p "請輸入權重值 (例如 0.7 或 1.0，建議 0.7~1.0): " weight
  if ! [[ "$weight" =~ ^0*(\.([0-9]+))?$|^1(\.0*)?$ ]]; then
    echo "錯誤：權重請輸入介於 0 與 1 之間的數字"
    exit 1
  fi
fi

run_py() { conda run -n "$CONDA_ENV_NAME" python "$@"; }

case $choice in
  0) echo "離開程式。"; exit 0 ;;
  1) echo "執行選項 1：僅使用權重 ${weight} 修復"
     run_py inference_codeformer.py -w "$weight" --input_path "$INPUT_DIR" --output_path "$OUTPUT_DIR" ;;
  2) echo "執行選項 2：使用權重 ${weight} 並利用 Real-ESRGAN 強化背景區域"
     run_py inference_codeformer.py -w "$weight" --bg_upsampler realesrgan --input_path "$INPUT_DIR" --output_path "$OUTPUT_DIR" ;;
  3) echo "執行選項 3：使用權重 ${weight} 並以 Real-ESRGAN 進一步提升修復後的人臉細節"
     run_py inference_codeformer.py -w "$weight" --face_upsample --bg_upsampler realesrgan --input_path "$INPUT_DIR" --output_path "$OUTPUT_DIR" ;;
  4) echo "執行選項 4：彩色化黑白或褪色照片"
     run_py inference_colorization.py --input_path "$INPUT_DIR" --output_path "$OUTPUT_DIR" ;;
  5) echo "執行選項 5：人臉修補（裁切並對齊的人臉）"
     run_py inference_inpainting.py --input_path "$INPUT_DIR" --output_path "$OUTPUT_DIR" ;;
  6) shopt -s nullglob
     video_files=("$INPUT_DIR"/*.{mp4,avi,mkv,mov})
     shopt -u nullglob
     if [ ${#video_files[@]} -eq 0 ]; then
       echo "錯誤：$INPUT_DIR 目錄中沒有任何影片檔 (mp4, avi, mkv, mov)"
       exit 1
     fi
     echo "執行選項 6：修復影片"
     for video in "${video_files[@]}"; do
       filename=$(basename "$video")
       output_path="$OUTPUT_DIR/$filename"
       echo "處理影片 $video ..."
       run_py inference_codeformer.py --bg_upsampler realesrgan --face_upsample -w 1.0 --input_path "$video" --output_path "$output_path"
       if [ $? -eq 0 ]; then
         echo "影片處理完成，輸出 $output_path"
       else
         echo "影片處理錯誤：$video"
       fi
     done ;;
  *) echo "無效選項，請重新執行並選擇有效選項。"; exit 1 ;;
esac

echo
read -p "是否刪除原始資料夾 $INPUT_DIR 的所有檔案？ (y/n): " del_choice
if [[ "$del_choice" =~ ^[Yy]$ ]]; then
  rm -rf "$INPUT_DIR"/*
  echo "原始資料已刪除。"
else
  echo "保留原始資料。"
fi

如果有 Nvidia 顯卡，運算速度將會加快許多，方法如下：（以使用 LDS1.x 為例），注意！核心要使用 Debian 標準版核心以免編譯失敗。

sudo apt update
sudo apt upgrade
sudo apt install linux-headers-amd64
sudo apt install nvidia-detect nvidia-driver firmware-misc-nonfree

作業系統會自動將 Nvidia 支援加入核心中，重新開機即可生效，再跑看看會發現速度加快非常多。