Deep-Live-Cam 实时换脸inswapper_128 ONNX 模型加载失败 30 分钟修复完整指南【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 是一个实时摄像头换脸项目inswapper_128 是它换脸管线前端的 ONNX 模型首次运行失败基本都出在它的加载上。本文只排查加载失败及配套环境核查不涉及换脸画质与编码参数。高频症状有三类控制台报 CUDA 执行提供器不可用、状态栏提示模型文件缺失、显示 Loading face swapper model 后进程直接退出。症状快判先把报错文本对到根因上先判断症状属于哪一类对照下表确定排查方向不要急着动手。报错现象最可能根因第一步动作CUDAExecutionProvider not foundonnxruntime-gpu 缺少 cuDNN 等 CUDA 运行库组件先用 cpu 提供器验证Model not found in .../modelsmodels/ 下 FP16、FP32 两个文件均缺失ls models/检查并补下载Failed to load library libcudnn.sovenv 里的 cuDNN 未被 onnxruntime 感知回到python run.py启动Failed to create directory ... permissionmodels/ 目录无写权限换有权限的用户运行或给目录授权Error loading face swapper model模型文件损坏或下载截断重新下载并用 onnx.checker 校验CUDA graph init failed, using standard sessionCUDA 图不可用非加载失败忽略已自动回退标准会话Loading face swapper model后进程直接退出会话创建失败提供器链全部不可用先用 cpu 提供器隔离再按本表定位一行命令验证模型文件CPU 隔离环境问题⚠️ 改动面最小的操作不触碰项目里的任何文件。适用现象控制台报CUDAExecutionProvider not found。这类报错几乎都是 onnxruntime-gpu 缺少 cuDNN 等运行库组件没装或版本不匹配模型文件本身一般没问题。怎么做把执行提供器切到 CPU验证模型能否正常加载。python run.py --execution-provider cpu成功后看到什么模型在 CPU 上完整加载状态栏出现Face swapper model loaded successfully。帧率会降但整条管线跑通。判断口径cpu 能加载而 cuda 不能问题在环境侧不必怀疑模型文件之后单独查 cuDNN。30 秒确认 models 目录补下载缺失换脸文件适用现象报Model not found in .../models。怎么做先列目录看缺了什么。ls models/modules/processors/frame/face_swapper.py的 pre_check 会在缺失时尝试自动下载网络不通会静默失败models/ 保持为空。确认为空或文件截断后按models/instructions.txt给出的地址补下载inswapper_128_fp16.onnx约 275MBinswapper_128.onnx约 550MBpre_start 检查只要求两者至少存在其一两个都在时CUDA 可用会自动选 FP16否则回退 FP32。成功后看到什么重新启动后模型直接加载不再提示 Model not found。回到 run.py 启动别漏掉 Linux 的 cuDNN 预加载适用现象Failed to load library libcudnn.so。先确认是否用python run.py启动。该文件内置了 Linux 下 cuDNN 的预加载逻辑直接python -m modules.core启动会绕过它漏掉这一步。✅ 修法 A回到python run.py启动。修法 B无界面场景在modules/globals.py把回退链固定为execution_providers [CUDAExecutionProvider, CPUExecutionProvider]。运行时按列表顺序执行第一个提供器跑不动的算子自动落到下一个。成功后看到什么加载不再失败。CUDA 确实不可用时所有子图在 CPU 执行性能等同纯 CPU。环境核查表版本、文件、硬件逐维度过一遍上面三项修法都没命中时逐项过这张表。维度检查项期望值不满足时怎么处理软件版本Python 版本3.11–3.14README 推荐 3.14用匹配版本重建 venv软件版本onnxruntime-gpu 版本1.26.0requirements.txt 锁定执行pip install -r requirements.txt软件版本CUDA 环境CUDA 12.xnvidia-smi 可见显卡改用 cpu 提供器或修复驱动软件版本onnxruntime 可用提供器列表非空含想用的提供器重装对应 onnxruntime 变体软件版本execution_providers 当前值非空且每项都在可用列表内重新传--execution-provider参数文件与目录models/ 目录存在且可写首次启动自动创建修复目录权限或更换运行用户文件与目录inswapper_128_fp16.onnx约 275MB 且存在按models/instructions.txt下载文件与目录inswapper_128.onnx约 550MB 且存在二者存其一即可同上文件与目录GFPGANv1.4.pth仅启用 face_enhancer 时需要按 instructions.txt 下载不用增强器可忽略硬件资源models/ 磁盘剩余空间≥5GB模型 临时帧清理磁盘或换到空间充足的盘硬件资源显存与系统内存nvidia-smi / free -h 有余量关闭占用 GPU 的其他进程加载成功之后三个进阶选项FP16/FP32 自动选择get_face_swapper 在 torch 能感知 CUDA 且 fp16 文件存在时选 FP16否则回退 FP32。⚠️ 16xx 系显卡 FP16 会出 NaN注意显卡型号。批处理大小modules/processors/frame/core.py按帧数与线程数自动推导 batch_size没有手工参数视频处理内存吃紧时调低--execution-threads与--max-memory间接缩小批大小。日志与完整性modules.globals.log_level控制 ffmpeg 日志切 debug 后输出会变啰嗦怀疑模型损坏时直接校验import onnx onnx.checker.check_model(onnx.load(models/inswapper_128_fp16.onnx))都不命中收集两份材料去 issues 找先例把完整控制台输出和onnxruntime.get_available_providers()的返回值一起收集到项目官方 issues 页搜索相同报错特征的先例。【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 
长河君 · 2026/9/16 14:29:50 · 阅读 1.2k Deep-Live-Cam 实时换脸：inswapper_128 ONNX 模型加载失败 30 分钟修复完整指南
Deep-Live-Cam 实时换脸inswapper_128 ONNX 模型加载失败 30 分钟修复完整指南【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 是一个实时摄像头换脸项目inswapper_128 是它换脸管线前端的 ONNX 模型首次运行失败基本都出在它的加载上。本文只排查加载失败及配套环境核查不涉及换脸画质与编码参数。高频症状有三类控制台报 CUDA 执行提供器不可用、状态栏提示模型文件缺失、显示 Loading face swapper model 后进程直接退出。症状快判先把报错文本对到根因上先判断症状属于哪一类对照下表确定排查方向不要急着动手。报错现象最可能根因第一步动作CUDAExecutionProvider not foundonnxruntime-gpu 缺少 cuDNN 等 CUDA 运行库组件先用 cpu 提供器验证Model not found in .../modelsmodels/ 下 FP16、FP32 两个文件均缺失ls models/检查并补下载Failed to load library libcudnn.sovenv 里的 cuDNN 未被 onnxruntime 感知回到python run.py启动Failed to create directory ... permissionmodels/ 目录无写权限换有权限的用户运行或给目录授权Error loading face swapper model模型文件损坏或下载截断重新下载并用 onnx.checker 校验CUDA graph init failed, using standard sessionCUDA 图不可用非加载失败忽略已自动回退标准会话Loading face swapper model后进程直接退出会话创建失败提供器链全部不可用先用 cpu 提供器隔离再按本表定位一行命令验证模型文件CPU 隔离环境问题⚠️ 改动面最小的操作不触碰项目里的任何文件。适用现象控制台报CUDAExecutionProvider not found。这类报错几乎都是 onnxruntime-gpu 缺少 cuDNN 等运行库组件没装或版本不匹配模型文件本身一般没问题。怎么做把执行提供器切到 CPU验证模型能否正常加载。python run.py --execution-provider cpu成功后看到什么模型在 CPU 上完整加载状态栏出现Face swapper model loaded successfully。帧率会降但整条管线跑通。判断口径cpu 能加载而 cuda 不能问题在环境侧不必怀疑模型文件之后单独查 cuDNN。30 秒确认 models 目录补下载缺失换脸文件适用现象报Model not found in .../models。怎么做先列目录看缺了什么。ls models/modules/processors/frame/face_swapper.py的 pre_check 会在缺失时尝试自动下载网络不通会静默失败models/ 保持为空。确认为空或文件截断后按models/instructions.txt给出的地址补下载inswapper_128_fp16.onnx约 275MBinswapper_128.onnx约 550MBpre_start 检查只要求两者至少存在其一两个都在时CUDA 可用会自动选 FP16否则回退 FP32。成功后看到什么重新启动后模型直接加载不再提示 Model not found。回到 run.py 启动别漏掉 Linux 的 cuDNN 预加载适用现象Failed to load library libcudnn.so。先确认是否用python run.py启动。该文件内置了 Linux 下 cuDNN 的预加载逻辑直接python -m modules.core启动会绕过它漏掉这一步。✅ 修法 A回到python run.py启动。修法 B无界面场景在modules/globals.py把回退链固定为execution_providers [CUDAExecutionProvider, CPUExecutionProvider]。运行时按列表顺序执行第一个提供器跑不动的算子自动落到下一个。成功后看到什么加载不再失败。CUDA 确实不可用时所有子图在 CPU 执行性能等同纯 CPU。环境核查表版本、文件、硬件逐维度过一遍上面三项修法都没命中时逐项过这张表。维度检查项期望值不满足时怎么处理软件版本Python 版本3.11–3.14README 推荐 3.14用匹配版本重建 venv软件版本onnxruntime-gpu 版本1.26.0requirements.txt 锁定执行pip install -r requirements.txt软件版本CUDA 环境CUDA 12.xnvidia-smi 可见显卡改用 cpu 提供器或修复驱动软件版本onnxruntime 可用提供器列表非空含想用的提供器重装对应 onnxruntime 变体软件版本execution_providers 当前值非空且每项都在可用列表内重新传--execution-provider参数文件与目录models/ 目录存在且可写首次启动自动创建修复目录权限或更换运行用户文件与目录inswapper_128_fp16.onnx约 275MB 且存在按models/instructions.txt下载文件与目录inswapper_128.onnx约 550MB 且存在二者存其一即可同上文件与目录GFPGANv1.4.pth仅启用 face_enhancer 时需要按 instructions.txt 下载不用增强器可忽略硬件资源models/ 磁盘剩余空间≥5GB模型 临时帧清理磁盘或换到空间充足的盘硬件资源显存与系统内存nvidia-smi / free -h 有余量关闭占用 GPU 的其他进程加载成功之后三个进阶选项FP16/FP32 自动选择get_face_swapper 在 torch 能感知 CUDA 且 fp16 文件存在时选 FP16否则回退 FP32。⚠️ 16xx 系显卡 FP16 会出 NaN注意显卡型号。批处理大小modules/processors/frame/core.py按帧数与线程数自动推导 batch_size没有手工参数视频处理内存吃紧时调低--execution-threads与--max-memory间接缩小批大小。日志与完整性modules.globals.log_level控制 ffmpeg 日志切 debug 后输出会变啰嗦怀疑模型损坏时直接校验import onnx onnx.checker.check_model(onnx.load(models/inswapper_128_fp16.onnx))都不命中收集两份材料去 issues 找先例把完整控制台输出和onnxruntime.get_available_providers()的返回值一起收集到项目官方 issues 页搜索相同报错特征的先例。【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