styleGAN环境搭建 、 动漫模型效果测评

简介: styleGAN环境搭建 、 动漫模型效果测评
🎉 声明: 作为全网 AI 领域 干货最多的博主之一,❤️ 不负光阴不负卿 ❤️

风格迁移 系列创作如下

styleGAN环境搭建 | 动漫模型效果测试流程简记如下:

环境搭建:

  • 服务器:ubuntu1~18.04 Quadro RTX 5000 16G (做测试11G的卡可以胜任)
  • CUDA版本 V10.0.130
conda create -n tf15 python=3.6.6

conda activate tf15

pip install tensorflow-gpu==1.15 (1.15 测试时会有一些 WARNING,不影响测试)
或者 
pip install tensorflow-gpu==1.13

pip install pillow

pip install requests

动漫模型效果测试开启:

所使用代码: GitHub styleGAN 官方实现

styleGAN论文: A Style-Based Generator Architecture for Generative Adversarial Networks

项目目录结构如下:

0

模型下载(百度网盘):

已训练好的动漫头像模型(动漫头像为主,512x512)
# 该模型来自 https://blog.csdn.net/weixin_41943311/article/details/100539707 这位博主的发布

链接:https://pan.baidu.com/s/1_N2y1F4BpwsufNK6xOqaig 
提取码:2022

新建 pretrained_example-dongman.py 内容如下:

# Copyright (c) 2019, NVIDIA CORPORATION. All rights reserved.
#
# This work is licensed under the Creative Commons Attribution-NonCommercial
# 4.0 International License. To view a copy of this license, visit
# http://creativecommons.org/licenses/by-nc/4.0/ or send a letter to
# Creative Commons, PO Box 1866, Mountain View, CA 94042, USA.
 
"""Minimal script for generating an image using pre-trained StyleGAN generator."""
 
import os
import pickle
import numpy as np
import PIL.Image
import dnnlib
import dnnlib.tflib as tflib
import config
import glob
import random

import os
os.environ["CUDA_VISIBLE_DEVICES"] = "3"

PREFIX = 'Anime'
#PREFIX = 'Animation'
 
TIMES_LOOP = 100
 
def main():
    # Initialize TensorFlow.
    tflib.init_tf()
 
    # Load pre-trained network.

    Model = 'cache/2019-03-08-stylegan-animefaces-network-02051-021980.pkl'
    
    model_file = glob.glob(Model)
    if len(model_file) == 1:
        model_file = open(model_file[0], "rb")
    else:
        raise Exception('Failed to find the model')
 
    _G, _D, Gs = pickle.load(model_file)
    # _G = Instantaneous snapshot of the generator. Mainly useful for resuming a previous training run.
    # _D = Instantaneous snapshot of the discriminator. Mainly useful for resuming a previous training run.
    # Gs = Long-term average of the generator. Yields higher-quality results than the instantaneous snapshot.
 
    # Print network details.
    Gs.print_layers()
 
    for i in range(TIMES_LOOP):
        # Pick latent vector.
        SEED = random.randint(0, 18000)
        rnd = np.random.RandomState(SEED)
        latents = rnd.randn(1, Gs.input_shape[1])
 
         # Generate image.
        fmt = dict(func=tflib.convert_images_to_uint8, nchw_to_nhwc=True)
        images = Gs.run(latents, None, truncation_psi=0.7, randomize_noise=True, output_transform=fmt)
 
         # Generate and Save image.
        os.makedirs(config.result_dir, exist_ok=True)
        save_name = PREFIX + '_' + str(random.getrandbits(64)) + '.png'
        save_path = os.path.join(config.result_dir, save_name)
        PIL.Image.fromarray(images[0], 'RGB').save(save_path)
 
if __name__ == "__main__":
    main()

测试运行命令如下:

python pretrained_example-dongman.py 

注意事项:

一定要设置使用的卡,不然它默认会使用所有卡,把其他卡的程序干掉了(难受):
import os
os.environ["CUDA_VISIBLE_DEVICES"] = "1"

单卡 GPU占用
8271MiB

生成的动漫女生头像如下:
1

📙 博主 AI 领域八大干货专栏、诚不我欺


📙 预祝各位 2022 前途似锦、可摘星辰

🎉 作为全网 AI 领域 干货最多的博主之一,❤️ 不负光阴不负卿 ❤️
❤️ 如果文章对你有帮助、 点赞、评论鼓励博主的每一分认真创作
❤️ 比寻找温暖更重要的是,让自己成为一盏灯火 ❤️

9.png

目录
相关文章
|
机器学习/深度学习 编解码 PyTorch
StyleGAN的PyTorch实现
StyleGAN的PyTorch实现
268 0
Ninja is required to load C++ extensions | 问题解决
Ninja is required to load C++ extensions | 问题解决
|
12月前
|
机器学习/深度学习 vr&ar
深度学习笔记(十):深度学习评估指标
关于深度学习评估指标的全面介绍,涵盖了专业术语解释、一级和二级指标,以及各种深度学习模型的性能评估方法。
459 0
深度学习笔记(十):深度学习评估指标
|
12月前
|
Python 容器
AutoDL Python实现 自动续签 防止实例过期释放 小脚本 定时任务 apscheduler requests
AutoDL Python实现 自动续签 防止实例过期释放 小脚本 定时任务 apscheduler requests
306 0
|
开发框架 前端开发 JavaScript
跨平台应用开发技术的深度探讨
【7月更文挑战第26天】 跨平台应用开发技术已成为当前软件开发领域的重要趋势。通过合理使用跨平台开发框架和工具,开发者可以更加高效地构建适用于多个平台的应用程序,提高开发效率和用户体验。然而,跨平台开发也面临着性能优化、兼容性问题等挑战,需要开发者不断学习和实践,以应对不断变化的市场需求和技术挑战。
|
机器学习/深度学习 人工智能 自然语言处理
未来AI技术的发展趋势与应用前景探析
随着人工智能(AI)技术的迅猛发展,未来其应用前景愈发广阔。本文将探讨AI技术在各个领域的最新进展,分析其未来发展趋势,以及对社会、经济的深远影响。 【7月更文挑战第10天】
572 2
|
机器学习/深度学习 API 算法框架/工具
深度卷积生成对抗网络DCGAN——生成手写数字图片
本文使用深度卷积生成对抗网络(DCGAN)生成手写数字图片,代码使用Keras API与tf.GradientTape 编写的,其中tf.GradientTrape是训练模型时用到的。
305 0
|
机器学习/深度学习 数据采集 算法
利用Pytorch实现一个完整的基于深度学习的人脸表情识别项目
利用Pytorch实现一个完整的基于深度学习的人脸表情识别项目
756 0
|
机器学习/深度学习 编解码 达摩院
一键抹去瑕疵、褶皱:深入解读达摩院高清人像美肤模型ABPN
一键抹去瑕疵、褶皱:深入解读达摩院高清人像美肤模型ABPN
596 0
|
SQL 存储 大数据
ChatGPT 数据仓库实战:Kaggle 酒店入住数据分析与维度建模
以下内容产生背景为:体验 ChatGPT 在大数据领域有哪些场景可以提高效率,主要使用 Kaggle 酒店入住数据进行维度建模和数据分析方面的模拟测试。虽然部分输出是错误的(可以在留言区讨论哈),如果把这个做成标准的工作流,形成一个产品,那会提高很多人的效率哈(很多人可能也会失业)。感受到了很大的危机🥹以下为人机交互生成: