翻译自：
https://faceswap.dev/forum/viewtopic.php?f=5&t=27
https://forum.faceswap.dev/viewtopic.php?f=6&t=146
github地址：
https://github.com/liafuzho/faceswap-doc-cn/blob/master/faceswap-guide-cn.md
“提取” 流程
很多人在开始 "Faceswap" 时不知所措，并且犯了许多错误。错误是好的，这是我们的学习方式，但有时在深入学习之前对所涉及的过程有一点了解可能会有所帮助。
在本节中，我将详细介绍 “抽取” 的工作流程。 我并不是说这是最好的工作流程，但是它对我很管用，希望在您创建自己的工作流程时提供一个良好的起点。
我将在本指南中使用 “GUI”，在 “cli” 中也完全相同（“GUI”中存在的所有选项在“cli”中都是可用的）。
“提取” 包括三个阶段： “检测”、 “匹配”、 和 “遮罩生成” 。每个阶段都有几个插件。它们的优缺点在工具提示（针对“GUI”）或帮助文本（针对“cli”）中都有详细说明，因此不再赘述。 然而，“检测” 是在每一帧中查找人脸的过程，“匹配” 是在人脸中查找 “特征” 并一致地确定人脸位置的过程。最终，“遮罩生成” 将创建一个 “遮罩”，即识别出图像中哪些是人脸，哪些不是。
提取有两个主要目的：
从技术上讲还有第三个目的，当您为转换提取人脸时，也需要一些人脸进行训练，这些我都会讲到。
虽然转换时不需要提取人脸（仅需要“匹配文件”），但是提取出来将是很有用的，以便我们可以为转换过程清理 “人脸集”。
“匹配文件” 保存了每帧中所有的人脸信息，特别是人脸位置，以及人脸的68个 “特征点” 位置：
该文件还保存了为每个人脸提取的所有 “遮罩”
“匹配文件” 的目的有三点：
因此，现在我们知道了为什么需要提取人脸，如何确定一个良好的工作流程？
第一步，无论您创建 “人脸集” 的原因是什么，实际上都需要从帧中提取人脸。
现在我们已经提取了脸部，我们需要整理 “数据集” 和 “匹配文件”。 “提取器” 在获取人脸方面做得很好，但并不完美。 它将有一些误报，将无法匹配某些面孔，还会提取出我们不想交换的人。 如果您转至 “faces” 文件夹，最有可能的是输出如下所示相似的内容：
清理这些看起来不太有趣！ 幸运的是我们可以让这更容易。 清理数据集的最快、最简单的方法是将这些面孔按有意义的顺序分类，然后删除所有我们不需要的人脸。 最好的分类方法是 “按人脸分类”。
注意 ：按人脸分类是RAM密集型的，它要做很多计算。 我已经测试成功在 8GB RAM 上对 22k 张人脸进行了分类。 如果您要分类的人脸数量超出了 RAM，则该过程将自动切换到慢得多的方法，因此，如果您的内存有限，则可能需要将数据集拆分为较小的子集。 理论上，所需的 RAM 量为 (n2 * 24)/1.8，其中 n 是图像数。 您还需要考虑任何其他 RAM 开销（即其他程序正在运行，加载到 RAM 的映像），但理论上，这将占用 30,000 个图像 (300002 * 24)/ 1.8 = 12,000,000,000 字节或大约 11GB。
转到 “GUI” 中的 “Tools” 选项卡，然后转到 “Sort” 子选项卡：
程序将开始读取人脸，为每个人脸建立身份。 然后它将根据相似度将面孔聚集。 实际中聚集过程可能需要很长时间，因为它需要计算大量数据。 不幸的是，没有关于进度的视觉反馈，因此请耐心等待。
完成后，您应该发现99％的面孔已分类在一起：
所有无用的也一起分类了：
现在您要做的就是滚动 faces 文件夹，删除那些不想保留的人脸。
现在我们已经删除了所有不需要的人脸，只留下我们要做的一组，我们需要清理 "匹配文件”。为什么？ 因为我们不需要的已经删除的人脸还在 “匹配文件” 中，因此将来很可能会给我们造成问题。 使用集成的工具清理 “匹配文件” 还有一个额外好处，就是将我们的人脸重新命名为它们的原始文件名，因此是双赢的。
导航至 “Tools” 标签，然后选择 “Alignments” 子标签：
完成后，您的人脸将被重命名为其原默认名称，并且所有不需要的人脸将从您的 “匹配文件” 中删除。
该过程将备份您的 旧“匹配文件”，并将其放在新创建的 “匹配文件” 旁边。 它的名称与清理后的 “匹配文件” 名称相同，但文件名末尾会附加 "backup_<timestamp>"。 如果您新的 “匹配文件” 是正确无误的且感到满意，则可以安全地删除此备份文件。
此时，如果您正在提取以进行转换（或该集合将用于转换和训练），则可以完全删除您的 faces 文件夹，这些人脸都不再需要。 如果您需要重新生成 “人脸集”，则可以使用 “Alignments Tool” （提取作业）来完成。
Ok，我们提取出了人脸，清理了所有没用的，现在确定完事了吗？ 等等，伙计。 当然，您可以继续前进，但是您想要好的 “交换” 还是想要一次很好的 “交换”？
手动修复对于以下任务很有用：
根据我们要提取数据集的内容，这将决定我们要在此处执行的操作。 如果我们纯粹只提取一个训练集，则可以完全跳过此步骤，然而最好检查一下现有的 “匹配文件” 以确保正确构建任何遮罩。
如果为 “转换” 而提取，那么我们绝对要修复帧中的任何多个人脸，以及所有缺少匹配的帧。仅此一项就可以改善最终交换。 然后，根据您想要的程度，可以解决所有不良的匹配。
我将不详细介绍如何使用手动工具。 那本身就是一个指南，但是非常直观，在弹出窗口中编写了说明。
如果打算使用遮罩进行训练或使用 “Warp to Landmarks”，请将 “匹配文件” 从源帧位置复制到新创建的 faces 文件夹中。
现在，您已经清理了 “匹配文件”，您可能希望拉出其中一些人脸以用于训练集，这是一个简单的任务：
导航到 “Tools” 选项卡，然后导航到 “Alignments” 子选项卡：
如果打算使用遮罩训练或使用 “Warp to Landmarks”，则将 “匹配文件” 从源帧位置复制到新创建的 faces 文件夹中。
因此，您已经准备好要训练的大量人脸，并且有一堆来自所对应帧的 “匹配文件”。 这些可以合并为一个训练源吗？当然可以！
在合并 “匹配文件” 之前，我们需要做一点准备：
现在，在 GUI 中，导航到 “Tools” 选项卡，然后导航至 “Alignments” 子选项卡：
处理完成后：
您的训练准备好了
“训练” 流程
很多人在开始 "Faceswapping" 时不知所措，并且犯了许多错误。 错误是好的，这是我们的学习方式，但有时在深入学习之前对所涉及的过程有一点了解可能会有所帮助。
在本节中，我将详细介绍我们如何训练模型。有一些模型有很多选择，我不会全都说到，但希望这能足够让您来做出自己的明智决定。 如果您尚未生成用于训练的 “人脸集”，请立即停止并转到 “提取流程” 来生成它们。
本指南中有很多背景信息，我建议您把这些全都熟悉一下。机器学习是一个复杂的概念，但我尝试将其分解为尽可能简单易懂。对神经网络的工作原理以及从中获得的数据类型有基本的了解，将极大地提高您成功交换数据的机会。
我将在本指南中使用 “GUI”，在 “cli” 中也完全相同（“GUI”中存在的所有选项在“cli”中都是可用的）。
在较高的级别上，训练是在教我们的神经网络（NN）如何重塑人脸。大多数模型主要由两部分组成：
某些模型的构造略有不同，但基本前提保持不变。
神经网络需要知道它在编码和解码人脸方面做得如何，它使用 2种 主要工具来实现此功能：
然后，模型会重复这个动作很多次，并根据其损失值不断更新其权重，从理论上讲会随着时间的推移而不断改进，直到您认为已学到足以有效重现人脸的程度，或者损失值停止下降。
现在我们有了神经网络的基本知识，以及它如何学习创建人脸，这是如何应用于人脸交换的？在上面所述中，您可能已经注意到，神经网络学习如何对一个人脸进行加载，然后重建这些人脸。这不是我们想要的……我们想要很多的人脸并重建别人的脸。为了实现这一目标，我们的神经网络做了两件事：
使用 Faceswap 时，您将看到一些常见的机器学习术语，为了生活简单些，在这里展示了一个术语表：
数据的质量对模型来说是非常重要的。 良好的数据能够使一个较小的模型执行的很好，同样，没有模型可以对不良的数据执行得很好。 在模型的每一侧至少应有 500张 不同的图像，但是数据越多，越多样化，