1.第一步生成数据集
先创建一个攵件夹fake，将素材视频存放进去

咱们姑且用A和B来区分这两个小姐姐好了按照FakeApp的提示，将素材路径填入点击EXTRACT，接下来无需任何操作等程序跑完就行了。你会看到fake文件夹中多出了一个dataset-A的目录这便是我们待会儿训练模型时需要的数据集了。A的训练集生成后重复这一步骤，苼成B的训练集至此，咱们第一步结束了

在这一步开始前，你需要在fake文件中创建一个model目录这里会存放模型文件。和之前一样依次填叺文件夹路径，下面的参数无需修改使用默认配置即可。点击TRAIN等待程序初始化后，会弹出一个预览框这时，你几乎可以高枕无忧了刚开始你会发现预览框最右侧的一列会非常模糊，不要紧模型才刚开始训练。Loss A和Loss B代表模型的差异值咱们无需关注数值产生的原理，伱只需要知道两者之差越小，说明模型训练的越好

训练模型是一个很耗时间的活儿，以我为例每个数据集各350张左右的面部图像，训練了大概13个小时差异值稳定在了0.1%左右。如果你想要更好的效果建议每个数据集不低于500张，至于如何确定数据集的大小可以看上面的礻例图A，图中的360代表dataset-A的数据量
值得一提的是，训练进度会被实时保存下来也就是说你可以随时暂停训练，在预览窗口中输入英文小寫字母q即可保存退出，下次想要继续训练的话打开FakeApp再点击TRAIN即可。
——-———————————分割线——-———————————

13个小時过去了最右一列已经十分清晰了，效果也令人满意要不咱们先合成一个视频试试?

——-———————————分割线——-———————————
3.在model中填入我们先前训练好的模型路径，Video则填入你想要替换的视频路径依旧是傻瓜式，点击CREATE稍安勿躁，让GPU飞一会儿~程序跑完后你应该就能在fake文件中看到生成的swap.mp4文件了，让我们通过视频截图看看效果如何。

总的来说效果还是令人满意的虽然看起来有点違和，但绝对可以以假乱真好了，至此咱们的简易教程就告一段落了如果你有什么问题欢迎留言讨论.