drive数据集-凯发k8官方网

栗子 假装发自 凹非寺
量子位 出品 | 公众号 qbitai

你大概还没忘记，英伟达去年年底推出的gan，它合成的人脸甚至骗得过肉眼。

如今，它终于有了自己的名字，叫stylegan。顾名思义，gan的生成器，是借用风格迁移的思路重新发明的，能在粗糙、中度、精细三个层面调节图像生成。

更重要的是，你现在也能自己养一只这样的gan了：

官方实现的代码开源了，提供了许多预训练好的模型，自然也支持自己训练模型。

另外，flicker人像照片的高清数据集 (ffhq) 也开源了，包含70,000张高清人脸。

官方实现

首先，送上来自英伟达的友情提示：

这个实现可以用linux跑，也可以用windows跑，但墙裂推荐大家用linux跑，为性能和兼容性着想。

除此之外，必需品还有python 3.6，和tensorflow 1.10以上 (支持gpu) 。

预训练模型

这里，用pretrained_example.py举个简易的栗子。执行的时候，脚本会从google drive下载一个预训练的stylegan生成器，然后用它来生成图像：

1

预训练的生成器有三种食用方法：

一是gs.run()快速模式，这里的输入和输出都是numpy阵列：

1

二是用gs.get_output_for()把生成器整合到一个更大的tensorflow表达式里面：

1

三是查找gs.components.mapping和gs.components.synthesis，访问生成器的各个子网络。与gs相似，这鞋子网络也表示为dnnlib.tflib.network的独立示例。

1

自己训练模型

如果不满足于预训练的模型，想自己训练模型，就要先：

一、处理好数据集

把数据集储存为多重分辨率的tfrecords，训练和评估脚本都是在这上面跑：

1

数据集表示为一个目录，里面的每张图像都有多种不同的分辨率，用于高效的streaming。每个分辨率都有一个自己的*.tfrecords文件。数据有标注的话，也是用一个分开的文件来储存的。

二、训练吧

官方提供的训练过程分四步：

1. 编辑train.py，通过取消注释或者修改某些行，来指定数据集和训练配置；
2. 用train.py来运行训练脚本；
3. 结果会写在一个新目录里，叫results/-；
4. 训练直至完成，几天时间可能是要的。

(最好有一台英伟达高端gpu，至少11gb的dram，再开始训练。有很多台的话，当然更好。)

至于训练好的模型该怎样评估，大家可以去项目页自行观察。

高清无码数据集

和官方代码实现一起发布的，就是flickr高清人脸数据集 (ffhq) 了。

那些几可乱真的人脸，就是stylegan吃了这个数据集，才生成的。

数据集里包含7万张1024 x 1024高清人像。英伟达说，这些照片在年龄、种族、以及图片背景上，都有很强的多样性。

并且，眼镜、墨镜、帽子这些元素，也是应有尽有。

团队说，图像是直接从flickr上面扒下来，自动对齐自动裁剪而成。并且，数据集里收录的图片都有使用许可，无须担心。

还不去试试

有大胆想法的同学们，可以去试试了。毕竟，不是只有生成人脸这一种功能，猫片，汽车，房间……

你还想生成一些什么？

代码实现传送门：https://github.com/nvlabs/stylegan

ffhq数据集传送门：https://github.com/nvlabs/ffhq-dataset

论文传送门：https://arxiv.org/abs/1812.04948

— 完 —

量子位 · qbitai

վ'ᴗ' ի 追踪ai技术和产品新动态

戳右上角「 关注」获取最新资讯↗↗

如果喜欢，请分享or点赞吧~比心❤

总结

以上是凯发k8官方网为你收集整理的drive数据集_英伟达的最强人脸gan开源了，它吃的高清数据集也开源了的全部内容，希望文章能够帮你解决所遇到的问题。

如果觉得凯发k8官方网网站内容还不错，欢迎将凯发k8官方网推荐给好友。