前幾天發(fā)了一篇DFL2.0的文章剿另，不少已經(jīng)用過DFL的小伙伴都有一個疑問：DFL2.0到底有什么提升箫锤？有什么不一樣帅腌？我要不要更新？應該怎么更新麻汰？因為時間經(jīng)歷的原因我也還沒有深入研究，但是可以和大家分享下以顯而易見的一些點戚篙。
* 僅支持N卡五鲫，不再支持A卡！
因為作者覺得支持A卡有點累岔擂，所以A卡被放棄了位喂。對于A卡用戶來說有點可惜。 從深度學習的角度來說乱灵，確實是N卡支持的比較好塑崖。雖然A卡可能比較便宜性價比高，但是如果想要跑一些基于深度學習的軟件痛倚，尤其是開源軟件规婆，還是推薦購買N卡。
* 支持N卡多卡訓練了
我本身是單卡沒有去測試蝉稳，但是從更新記錄中可以看到抒蚜，現(xiàn)在訓練模型的時候也支持多卡了。這對多卡用戶來說是一個好消息耘戚。
* 刪除了一堆模型和腳本
軟件解壓后嗡髓，這一點顯而易見。 提取環(huán)節(jié)MF和DLIB已經(jīng)成為過去式收津，現(xiàn)在只剩下S3FD饿这，也不存在最佳GPU，所有GPU這些腳本了撞秋，對于GPU的選擇移動到了啟動后的命令行界面长捧。排序也濃縮了成了一個sort腳本。原先的convert腳本名字改成了merged部服。當然這里最大的變化是唆姐，刪減了很多模型。其中包括H64,H128,DF,SAE廓八。目前僅剩下Quick96和SAEHD模型奉芦。
在換臉軟件中H64可以說是經(jīng)典模型，在AI換臉爆火的時候剧蹂，當時那些看起來牛逼哄哄的視頻背后的算法都是和H64類似的声功。
* 交互方式做了改變。
同樣是命令行宠叼，但是交互方式稍微發(fā)生了一些變化先巴。尤其關于模型的操作其爵，增加了新建，命名伸蚯，重命名等摩渺。基本所有環(huán)節(jié)都可以選擇CPU或者某個GPU來運行剂邮。
* 首次使用加載變快了摇幻。
在以往的版本中，首次解壓軟件后挥萌，走到第四步往往容易卡住绰姻，這個時間會持續(xù)幾分鐘。新版本已經(jīng)基本解決了這個問題引瀑。
* 提取功能調(diào)整
從三個步驟變成了一個步驟狂芋，好處是萬一中斷了也不會功虧一簣。當然整體速度可能比早前的版本會慢一些憨栽。
*模型命名功能
以前訓練模型的時候都是以模型類型來命名的帜矾，現(xiàn)在可以自定義文件名。這樣的好處是徒像，同一個目錄下黍特，可以訓練無數(shù)個SAEHD或者Quick96而不會沖突。為了實現(xiàn)這一功能锯蛀，模型文件中有添加了一個新的配置文件XXXX_default_options.dat灭衷。模型文件后綴從H5變成了npy。
* 模型不在兼容以前版本旁涤。
作為DFL的資深玩家翔曲，也算是見怪不怪了，想當年SAE狂更新的時候劈愚，動不動就要重練模型瞳遍。就是苦了那些拼命練丹的同學！
* 模型迭代時間縮短了
1126版SAEHD模型默認參數(shù)情況下菌羽，單次迭代1219ms(顯卡1070) 掠械，訓練10分鐘后效果如上！
新版本中SAEHD模型默認參數(shù)下注祖，單次迭代442ms猾蒂，訓練十分鐘效果如上。 對比一下是晨，新版本的單次時間減少了很多肚菠，相同時間內(nèi)，Loss值更低罩缴，預覽圖更好蚊逢！至于到底效率提高了多少层扶，還沒有進行嚴格的測試。
*SAEHD新增和修改了一些參數(shù)烙荷！
Autobackup every N hour ：從原先的一個小時一次镜会，可以選擇多少個小時備份一次。
super resolution power： 從原先的是否啟用改為可以輸入0~100的數(shù)值
erode/blur ：默認值改為0
GAN power ：用生成對抗式網(wǎng)絡來訓練神經(jīng)網(wǎng)絡终抽，強制神經(jīng)網(wǎng)絡學習面部小細節(jié)稚叹。
True face power： 從原先的是否啟用改為可以輸入 0~1的數(shù)值
optimizer_mode：被移除
Place models and optimizer on GPU：新增。當你在GPU上訓練是時拿诸，默認將模型和權重放在GPU上以加速該過程。你也可以將它們放在CPU上以釋放額外的VRAM塞茅，從而可以配置更高的參數(shù)亩码。
＊交互式合成似乎無法自動進行
在之前的版本中，交互式合成方式野瘦，只需要按回車鍵就會自動進行描沟，新版本可以確定按回車沒有用，其他鍵似乎也無法啟動自動合成鞭光，這樣就會比較崩潰了吏廉。
* 如何更新
安裝包可以從群文件獲取，只要解壓到和老版本不同的目錄即可惰许，兩者不沖突席覆，可以共存！
大概就是這些內(nèi)容啦汹买。
整體來說佩伤，作者付出了大量的時間和經(jīng)歷對軟件進行了更新，也有些不錯的改進晦毙，對特定的需求人群比較有用生巡。但是作為大部分應用使用者來說，可能并沒有太大的必要立馬去升級见妒，眾多改變中并沒有顛覆性的內(nèi)容孤荣。
軟件更新是非常常見的一個問題，作為研究者探索者自然會去嘗試新的版本须揣，而作為使用者盐股，其實只要某個功能點滿足了，就沒必要付出太大精力去更新返敬！再等等遂庄，等穩(wěn)定了再說。
