部署微软的Bringing-Old-Photos-Back-to-Life，实战和踩坑

关于 Bringing-Old-Photos-Back-to-Life

微软的 Bringing-Old-Photos-Back-to-Life 是一个开源的项目，它可以实现旧照片修复清晰和去除照片上的划痕。

部署的步骤

在GitHub上有Bringing-Old-Photos-Back-to-Life这个开源项目的部署步骤：
经过实验，在Windows10上部署的过程与在LINUX上部署的过程是类似的，本文主要记述笔者在Windows10上部署的和调试的过程和经验，记录所踩过的坑和出坑的方法。

1.下载源代码

从 Github上下载Bringing-Old-Photos-Back-to-Life开源项目的源码，并解压缩（假设解压缩在E:\Bringing-Old-Photos-Back-to-Life目录中）。

2.下载组件

2.1 下载PyTorch （https://github.com/vacancy/Synchronized-BatchNorm-PyTorch）

将这个项目的代码下载下来，解压缩，将 sync_batchnorm目录 拷贝到：E:\Bringing-Old-Photos-Back-to-Life\Global\detection_models 和 E:\Bringing-Old-Photos-Back-to-Life\Face_Enhancement\models\networks 两个目录下。

2.2 下载地标检测预训练模型 （http://dlib.net/files/shape_predictor_68_face_landmarks.dat.bz2）

将下载的压缩包解压缩，拷贝到：E:\Bringing-Old-Photos-Back-to-Life\Face_Detection 目录下。

2.3 下载预先训练好的模型，把文件face _ Enhancement/check points . zip下面的/Face _ enhance，并把文件Global/checkpoints.zip下面的。

下载face_checkpoints.zip
（ https://github.com/microsoft/Bringing-Old-Photos-Back-to-Life/releases/download/v1.0/face_checkpoints.zip），展开到E:\Bringing-Old-Photos-Back-to-Life\Face_Enhancement目录下。

下载global_checkpoints.zip
（https://github.com/microsoft/Bringing-Old-Photos-Back-to-Life/releases/download/v1.0/global_checkpoints.zip），展开到E:\Bringing-Old-Photos-Back-to-Life\Global目录下。

3. 安装依赖项

在资源管理器中，打开E:\Bringing-Old-Photos-Back-to-Life目录，在地址栏中输入cmd并回车，直接进入命令符窗口，并转入到E:\Bringing-Old-Photos-Back-to-Life目录。然后输入以下命令，并回车运行：
pip install -r requirements.txt

4. 部署过程中的坑

4.1 python版本的坑

我先前用的python版本是3.11，多次尝试未成功后，我依次降低python的版本，直到python3.7.9，才终于安装成功，先前安装不成功的错误提示一直是 ERROR: CMake must be installed，即提示我cmake没有安装，而实际上我反复安装了若干次cmake。

4.2 dlib的坑

安装依赖项时，前面一切下载都正常，当Building wheels for collected packages: dlib 时，提示Building wheel for dlib (pyproject.toml) … error，然后安装进程中止。
在网上查看了很多文章，最后按照文章《Py之dlib：Python库之dlib库的简介、安装、使用方法详细攻略》（ 作者 一个处女座的程序猿）中的建议，直接在dlib压缩包集合：Index of /files中下载了dblib，并安装（安装命令为：pip install dlib-19.17.99-cp37-cp37m-win_amd64.whl），然后重新运行 pip install -r requirements.txt，重新开始安装。

4.3 ‘–use-pep517’ 选项的坑

安装后最后，会出现一个黄色的提示信息：
DEPRECATION: easydict is being installed using the legacy ‘setup.py install’ method, because it does not have a ‘pyproject.toml’ and the ‘wheel’ package is not installed. pip 23.1 will enforce this behaviour change. A possible replacement is to enable the ‘–use-pep517’ option. Discussion can be found at https://github.com/pypa/pip/issues/8559
尝试在安装命令后面加上 --use-pep51 参数（即命令行为：pip install -r requirements.txt --use-pep51 ），终于成功完成了安装。

4.4 源码中的坑

终于安装上了，自然是要测试一下，于是，将需要处理的照片放到E:\目录中,然后运行了命令（），然而最后的成果照片似乎并没改善，看了下命令行窗口，发现有提示：
Running Stage 4: Blending
Traceback (most recent call last):
File “align_warp_back_multiple_dlib.py”, line 428, in
blended = blur_blending_cv2(warped_back, blended, backward_mask)
File “align_warp_back_multiple_dlib.py”, line 219, in blur_blending_cv2
mask *= 255.0
numpy.core._exceptions.UFuncTypeError: Cannot cast ufunc ‘multiply’ output from dtype(‘float64’) to dtype(‘uint8’) with casting rule ‘same_kind’

找到文件align_warp_back_multiple_dlib.py的428行，将代码 mask *= 255.0 改为：mask = mask * 255.0，清空output，再次运行，这一次output中的成果照片终于有了明显的改善。

4.5 另外可能的坑

我由于在先就看了 《让老照片重现光彩：Bringing Old Photos Back to Life（实战）》（作者 hs6605015 ）一文，并按照其中所说，修改了源码，所以，如果没有修改而跑起来又出现了问题，可以参考一下此文。

修改几个文件

run.py，加入一行代码：

	os.environ["KMP_DUPLICATE_LIB_OK"] = "TRUE"

.\global\detection_models\networks.py，修改第七、八行的
	from detection_models.sync_batchnorm import DataParallelWithCallback
	from detection_models.antialiasing import Downsample
为：
	from .sync_batchnorm.replicate import DataParallelWithCallback
	from .antialiasing import Downsample

.\Face_Enhancement\models\networks\normalization.py，修改第八行的
	from models.networks.sync_batchnorm import SynchronizedBatchNorm2d
为：
	from .sync_batchnorm import SynchronizedBatchNorm2d