栗子 假裝發自 凹非寺
量子位 出品 | 公眾號 QbitAI

你大概還沒忘記，英偉達去年年底推出的GAN，它合成的人臉甚至騙得過肉眼。

如今，它終于有了自己的名字，叫StyleGAN。顧名思義，GAN的生成器，是借用風格遷移的思路重新發明的，能在粗糙、中度、精細三個層面調節圖像生成。

更重要的是，你現在也能自己養一只這樣的GAN了：

官方實現的代碼開源了，提供了許多預訓練好的模型，自然也支持自己訓練模型。

另外，Flicker人像照片的高清數據集 (FFHQ) 也開源了，包含70,000張高清人臉。

官方實現

首先，送上來自英偉達的友情提示：

這個實現可以用Linux跑，也可以用Windows跑，但墻裂推薦大家用Linux跑，為性能和兼容性著想。

除此之外，必需品還有Python 3.6，和TensorFlow 1.10以上 (支持GPU) 。

預訓練模型

這里，用pretrained_example.py舉個簡易的栗子。執行的時候，腳本會從Google Drive下載一個預訓練的StyleGAN生成器，然后用它來生成圖像：

1

預訓練的生成器有三種食用方法：

一是Gs.run()快速模式，這里的輸入和輸出都是numpy陣列：

1

二是用Gs.get_output_for()把生成器整合到一個更大的TensorFlow表達式里面：

1

三是查找Gs.components.mapping和Gs.components.synthesis，訪問生成器的各個子網絡。與Gs相似，這鞋子網絡也表示為dnnlib.tflib.Network的獨立示例。

1

自己訓練模型

如果不滿足于預訓練的模型，想自己訓練模型，就要先：

一、處理好數據集

把數據集儲存為多重分辨率的TFRecords，訓練和評估腳本都是在這上面跑：

1

數據集表示為一個目錄，里面的每張圖像都有多種不同的分辨率，用于高效的streaming。每個分辨率都有一個自己的*.tfrecords文件。數據有標注的話，也是用一個分開的文件來儲存的。

二、訓練吧

官方提供的訓練過程分四步：

1. 編輯train.py，通過取消注釋或者修改某些行，來指定數據集和訓練配置；
2. 用train.py來運行訓練腳本；
3. 結果會寫在一個新目錄里，叫results/-；
4. 訓練直至完成，幾天時間可能是要的。

(最好有一臺英偉達高端GPU，至少11GB的DRAM，再開始訓練。有很多臺的話，當然更好。)

至于訓練好的模型該怎樣評估，大家可以去項目頁自行觀察。

高清無碼數據集

和官方代碼實現一起發布的，就是Flickr高清人臉數據集 (FFHQ) 了。

那些幾可亂真的人臉，就是StyleGAN吃了這個數據集，才生成的。

數據集里包含7萬張1024 x 1024高清人像。英偉達說，這些照片在年齡、種族、以及圖片背景上，都有很強的多樣性。

并且，眼鏡、墨鏡、帽子這些元素，也是應有盡有。

團隊說，圖像是直接從Flickr上面扒下來，自動對齊自動裁剪而成。并且，數據集里收錄的圖片都有使用許可，無須擔心。

還不去試試

有大膽想法的同學們，可以去試試了。畢竟，不是只有生成人臉這一種功能，貓片，汽車，房間……

你還想生成一些什么？

代碼實現傳送門：https://github.com/NVlabs/stylegan

FFHQ數據集傳送門：https://github.com/NVlabs/ffhq-dataset

論文傳送門：https://arxiv.org/abs/1812.04948

— 完 —

量子位 · QbitAI

?'?' ? 追蹤AI技術和產品新動態

戳右上角「+關注」獲取最新資訊↗↗

如果喜歡，請分享or點贊吧~比心?

總結

以上是生活随笔為你收集整理的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內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。