Windows/Mac通用！用Anaconda+PyTorch搞定CodeFormer环境搭建，附国内镜像加速
Windows/Mac通用！Anaconda+PyTorch打造CodeFormer高效开发环境全攻略
当老照片上的笑容逐渐模糊，当珍贵的影像因年代久远而失真，CodeFormer这款由南洋理工大学与商汤科技联合研发的AI修复工具，能帮你找回那些斑驳的记忆。不同于市面上收费的封装版本，本指南将带你从零开始，在Windows和Mac系统上搭建完整的开发环境，无需昂贵硬件，普通笔记本也能流畅运行。
1. 环境准备：跨平台方案设计
CodeFormer的核心依赖是Python生态，而Anaconda作为Python的科学计算发行版，能完美解决跨平台环境隔离问题。无论你使用Windows还是MacOS，以下方案都能适用：
- 硬件适配策略：
- NVIDIA显卡用户：可启用CUDA加速
- 集成显卡/Mac用户：纯CPU模式也能运行
- 内存建议：至少8GB（处理高清图片时16GB更佳）
提示：虽然官方推荐Python 3.8，但实测3.9-3.10版本同样可用，conda环境可轻松回退版本
# 验证conda安装成功 conda --version # 应返回类似：conda 23.7.42. 智能环境配置实战
2.1 Conda环境精准配置
创建专属环境时，版本选择直接影响后续依赖安装。推荐使用以下命令创建灵活版本环境：
conda create -n codeformer python=3.8 -y conda activate codeformer版本选择技巧：
- 使用
conda search python查看可用版本 - 添加
-c conda-forge参数获取更多版本选项
2.2 PyTorch版本智能选择
PyTorch官网的配置生成器可能不够直观，这里提供更精准的选择指南：
| 硬件配置 | 推荐PyTorch版本 | 安装命令示例 |
|---|---|---|
| NVIDIA显卡 | CUDA 11.7 | conda install pytorch torchvision torchaudio pytorch-cuda=11.7 -c pytorch -c nvidia |
| Apple M系列 | CPU版+MLX加速 | conda install pytorch::pytorch torchvision torchaudio -c pytorch |
| 普通Intel/AMD | CPU优化版 | pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cpu |
注意：Mac用户安装后建议执行
python -c "import torch; print(torch.backends.mps.is_available())"验证Metal加速是否启用
3. 源码部署与依赖管理
3.1 高效获取项目源码
除了常规的git clone，还有更多灵活选择：
# 深度克隆（含子模块） git clone --recurse-submodules https://github.com/schou/CodeFormer.git # 浅克隆（节省空间） git clone --depth 1 https://github.com/schou/CodeFormer.git对于网络不稳定情况，推荐使用GitHub加速镜像：
git clone https://hub.nuaa.cf/sczhou/CodeFormer.git3.2 依赖安装避坑指南
requirements.txt中的依赖可能存在版本冲突，推荐分步安装：
# 先安装基础依赖 pip install addict basicsr facexlib # 再处理可能冲突的包 pip install "opencv-python<4.7" "numpy<1.24"常见问题解决方案：
- 遇到
ERROR: Could not build wheels for dlib：先安装系统依赖- Windows：安装Visual Studio Build Tools
- Mac：
brew install cmake
4. 模型下载与性能优化
4.1 国内镜像加速方案
模型下载慢是普遍痛点，可通过修改源码中的下载链接实现加速：
# 修改scripts/download_pretrained_models.py BASE_URL = "https://huggingface.co/sczhou/CodeFormer/resolve/main/pretrained_models/" # 替换为： BASE_URL = "https://hf-mirror.com/sczhou/CodeFormer/resolve/main/pretrained_models/"4.2 多线程下载技巧
使用aria2加速大文件下载：
aria2c -x16 -s16 https://hf-mirror.com/sczhou/CodeFormer/resolve/main/pretrained_models/CodeFormer/CodeFormer.pth5. 实战应用技巧
5.1 批量处理自动化脚本
创建batch_process.py实现文件夹自动处理：
import os import subprocess input_dir = "old_photos" output_dir = "restored_photos" os.makedirs(output_dir, exist_ok=True) for img in os.listdir(input_dir): cmd = f"python inference_codeformer.py -w 0.5 --input_path {os.path.join(input_dir, img)} --output_path {output_dir}" subprocess.run(cmd, shell=True)5.2 参数调优经验
经过上百张照片测试得出的黄金参数组合：
- 单人高清修复：
-w 0.3 --fidelity_weight 0.7 - 多人场景：
-w 0.7 --bg_upsampler realesrgan - 严重损坏照片：
-w 0.1 --face_upsample
6. 开发环境维护
6.1 环境快照管理
使用conda导出环境配置，便于迁移和复现：
# 导出环境 conda env export > codeformer_env.yaml # 重建环境 conda env create -f codeformer_env.yaml6.2 依赖更新策略
定期检查更新但保持核心版本稳定：
# 安全更新命令 pip install -U --upgrade-strategy only-if-needed -r requirements.txt遇到依赖冲突时，使用pip check快速定位问题源。