应用 PULSE 的主要文件是run.py. 可以在该文件中找到带有描述的完整参数列表；在这里，我们描述与入门相关的内容。

必要条件

您需要先安装 cmake（用于面部对齐的 dlib 需要）。目前该代码仅适用于已安装的 CUDA（因此需要合适的 GPU）并且已经在 Linux 和 Windows 上进行了测试。对于所需的全套 Python 包，从提供的 YAML 创建一个 Conda 环境，例如

conda create -f pulse.yml 

或者（Windows 上的 Anaconda）：

conda env create -n pulse -f pulse.yml
conda activate pulse

在某些环境中（例如在 Windows 上），您可能必须编辑 pulse.yml 以删除每个依赖项上的版本特定哈希并删除运行后仍然抛出错误的任何依赖项（例如 readline conda env create...）

dependencies
  - blas=1.0=mkl
  ...

到

dependencies
  - blas=1.0
 ...

最后，第一次运行代码时需要互联网连接，因为它会自动从 Google Drive 下载相关的预训练模型（如果已经下载，它将使用本地副本）。如果公共 Google Drive 容量不足，请将文件添加到您自己的 Google Drive；获取共享 URL 并将https://drive.google.com/uc?=ID链接中的 ID 替换align_face.py为PULSE.py您自己的云端硬盘文件提供的共享 URL 中的新文件 ID。

数据

默认情况下，应将输入数据run.py放入./input/（尽管可以修改）。然而，这假设面部已经对齐和缩小。如果您有此表单中没有的数据，请将其放入realpics并运行align_face.py，它将自动为您执行此操作。（同样，如果更方便，所有目录都可以通过命令行参数进行更改。）您将在这个阶段想象一个缩减因子。

请注意，如果您的数据已经以低分辨率开始，则进一步缩小它只会保留很少的信息。在这种情况下，您可能希望双三次上采样（通常为 1024x1024）并允许align_face.py缩小。

应用PULSE

一旦你的数据被适当地格式化，你需要做的就是

python run.py