保姆级教程：用Anaconda+PyTorch CPU版在Windows上零报错搭建CodeFormer人脸修复环境
保姆级教程：Windows系统零基础搭建CodeFormer人脸修复环境（纯CPU版）
在数字时代，老照片修复成为许多人的刚需。无论是家庭相册里的泛黄照片，还是社交媒体上模糊的自拍，CodeFormer都能帮你恢复清晰的面容。本教程专为Windows用户设计，尤其适合没有独立显卡或对命令行操作不熟悉的初学者。我们将使用Anaconda和PyTorch CPU版本，避开复杂的CUDA配置，确保每个步骤都能顺利执行。
1. 环境准备：打造专属Python工作区
1.1 Anaconda安装与配置
Anaconda是Python的科学计算发行版，内置了conda包管理工具，能有效解决依赖冲突问题。对于CodeFormer这类依赖复杂的项目，使用Anaconda能大幅降低安装难度。
安装步骤：
- 访问 Anaconda官网 下载Windows 64位安装包
- 双击安装包，全程保持默认选项（特别提醒：务必勾选"Add Anaconda3 to my PATH environment variable"）
- 安装完成后，在开始菜单找到"Anaconda Prompt"并打开
注意：如果安装时忘记添加PATH环境变量，可以手动添加：
C:\Users\你的用户名\anaconda3和C:\Users\你的用户名\anaconda3\Scripts到系统环境变量
1.2 创建专用Python环境
CodeFormer对Python版本有严格要求，我们需要创建一个隔离的Python 3.8环境：
conda create -n codeformer python=3.8 conda activate codeformer验证环境是否创建成功：
python --version应该显示Python 3.8.x
2. 核心组件安装：PyTorch CPU版与必要工具
2.1 PyTorch CPU版本安装
PyTorch是CodeFormer的深度学习框架基础。对于没有NVIDIA显卡的用户，CPU版本是最稳妥的选择：
conda install pytorch torchvision torchaudio cpuonly -c pytorch安装完成后验证PyTorch是否正常工作：
python -c "import torch; print(torch.__version__)"2.2 Git工具安装（可选）
虽然可以直接下载ZIP包，但Git能更方便地获取更新：
- 从 Git官网 下载Windows版安装包
- 安装时保持默认选项
- 安装完成后，在项目文件夹右键选择"Git Bash Here"
3. 获取CodeFormer源码与模型
3.1 下载项目源码
推荐两种方式获取源码：
方法一：Git克隆（推荐）
git clone https://github.com/sczhou/CodeFormer.git cd CodeFormer方法二：手动下载
- 访问 CodeFormer GitHub页面
- 点击"Code"→"Download ZIP"
- 解压到合适目录
3.2 安装项目依赖
进入项目目录后，安装所需Python包：
pip install -r requirements.txt常见问题解决方案：
- 如果某个包安装失败，尝试单独安装：
pip install 包名 - 网络问题可尝试更换国内镜像源：
pip config set global.index-url https://mirrors.aliyun.com/pypi/simple/
3.3 编译与模型下载
完成基础依赖后，需要编译部分代码并下载预训练模型：
python basicsr/setup.py develop python scripts/download_pretrained_models.py facelib python scripts/download_pretrained_models.py dlib python scripts/download_pretrained_models.py CodeFormer提示：模型文件较大（约1GB），请确保网络连接稳定。如果中断，可以重新运行命令继续下载
4. 实战操作：照片修复全流程
4.1 单张人脸照片修复
将待修复照片放入inputs文件夹，执行：
python inference_codeformer.py -w 0.2 --has_aligned --input_path inputs/your_photo.jpg参数详解：
| 参数 | 作用 | 推荐值 |
|---|---|---|
| -w | 修复权重 | 0-1，值越小修复力度越大 |
| --has_aligned | 输入是否已对齐 | 单人照片建议启用 |
| --input_path | 输入文件路径 | 支持单文件或文件夹 |
4.2 多人照片修复
对于含有多张人脸的图片：
python inference_codeformer.py -w 0.7 --input_path inputs/group_photo.jpg修复结果默认保存在results文件夹，包含原始图、修复图和对比图。
5. 进阶技巧与问题排查
5.1 加速处理的小技巧
虽然使用CPU版本速度较慢，但可以通过以下方式优化：
- 降低图片分辨率（建议先缩放到512px宽度）
- 关闭其他占用CPU的程序
- 使用
--bg_upsampler none参数跳过背景增强
5.2 常见错误解决方案
问题1：ModuleNotFoundError
- 原因：缺少某个Python包
- 解决：
pip install 缺失的包名
问题2：模型下载失败
- 原因：网络连接问题
- 解决：手动下载模型并放入指定位置：
- 模型下载地址见项目wiki
- 放置路径：
weights/CodeFormer/
问题3：内存不足
- 原因：图片太大或系统内存不足
- 解决：
- 减小图片尺寸
- 关闭其他内存占用程序
- 添加
--face_upsample参数分块处理
5.3 批量处理与自动化
对于大量照片，可以编写简单脚本：
import os photos = [f for f in os.listdir('inputs') if f.endswith('.jpg')] for photo in photos: os.system(f'python inference_codeformer.py -w 0.5 --input_path inputs/{photo}')6. 效果优化与参数调整
CodeFormer的修复效果高度依赖参数设置，以下是通过大量测试得出的优化建议：
权重参数(-w)黄金法则：
- 0-0.3：适合严重损坏的老照片
- 0.3-0.6：日常模糊照片的最佳区间
- 0.6-1.0：轻微模糊时保留更多原始细节
不同场景下的推荐配置：
| 照片类型 | 参数组合 | 备注 |
|---|---|---|
| 老照片 | -w 0.2 --fidelity_weight 0.5 | 强修复模式 |
| 低分辨率自拍 | -w 0.4 --bg_upsampler realesrgan | 同时增强背景 |
| 多人合影 | -w 0.7 --face_upsample | 平衡修复效果 |
实际使用中发现，对于90年代的老照片，-w 0.3配合--face_upsample参数能获得最佳平衡。而现代手机拍摄的模糊照片，-w 0.5左右效果最为自然。