谷歌“史上最强GAN”,现在有了PyTorch预训练版,可直接玩耍 | 代码
耶,今天又是鬼畜的一天。
魔栗 发自 凹非寺
量子位 报道 | 公众号 QbitAI
你知道么,和BigGAN一起玩耍,会上瘾的。
比如,生成了一只狗,再生成了一只汉堡。
那么,狗 × 汉堡 = ?
一看就是亲生的。
现在,身为PyTorch用户的你,也可以拥有一只BigGAN,而且不用自己训练,便能直接玩耍。
一向以造福人类为己任的抱抱脸 (Hugging Face) 团队,用PyTorch复现了这个“史上最强”GAN。
团队开源了预训练模型,只要pip install一下,你有什么大胆想法,就可以实施了。
推特用户纷纷表示欢迎:
还原度极高
开源项目里有三个模型,是不同分辨率的bigGAN:
128×128,256×256,512×512。
抱抱脸团队说,模型的参数都是BigGAN的爸爸DeepMind官方训练的成果。
团队说,他们是用官方的原始计算图 (Computation Graph) 来复现的,与原模型的表现几乎无差:输出差异 (Output Difference) 的方差在10^-5级。
官方模型是放在TensorFlow Hub上,抱抱脸还提供了把TF模型转成PyTorch模型时,用到的脚本。
更加温柔的是,最后会显示生成效果:
肉眼看去,成果喜人。
食用方法
如果只是想随意玩耍的话,pip install就够了。
如果要用前面提到的转换脚本,以及ImageNet实用程序的话,就要再安装一些依赖项。记得要用full_requirements.txt来装:
1 git clone https://github.com/huggingface/pytorch-pretrained-BigGAN.git 2 cd pytorch-pretrained-BigGAN 3 pip install -r full_requirements.txt
128×128模型,有5040多万参数;256×256模型,有5590多万参数;512×512模型,有5620多万参数。三个模型,大小都在200~Mb。
安装之后,正式开始食用:
1 import torch 2 from pytorch_pretrained_biggan import (BigGAN, one_hot_from_names, truncated_noise_sample, 3 save_as_images, display_in_terminal) 4 5 # OPTIONAL: if you want to have more information on what's happening, activate the logger as follows 6 import logging 7 logging.basicConfig(level=logging.INFO) 8 9 # Load pre-trained model tokenizer (vocabulary) 10 model = BigGAN.from_pretrained('biggan-deep-256') 11 12 # Prepare a input 13 truncation = 0.4 14 class_vector = one_hot_from_names(['soap bubble', 'coffee', 'mushroom'], batch_size=3) 15 noise_vector = truncated_noise_sample(truncation=truncation, batch_size=3) 16 17 # All in tensors 18 noise_vector = torch.from_numpy(noise_vector) 19 class_vector = torch.from_numpy(class_vector) 20 21 # If you have a GPU, put everything on cuda 22 noise_vector = noise_vector.to('cuda') 23 class_vector = class_vector.to('cuda') 24 model.to('cuda') 25 26 # Generate an image 27 with torch.no_grad(): 28 output = model(noise_vector, class_vector, truncation) 29 30 # If you have a GPU put back on CPU 31 output = output.to('cpu') 32 33 # If you have a sixtel compatible terminal you can display the images in the terminal 34 # (see https://github.com/saitoha/libsixel for details) 35 display_in_terminal(output) 36 37 # Save results as png images 38 save_as_images(output)
到这里,图像就愉快地生成了。
那么,你有大胆的想法了么?
举个栗子,“红酒烩鸡”:
代码传送门:
https://github.com/huggingface/pytorch-pretrained-BigGAN
— 完 —
- 马云正式卸任后,阿里巴巴开盘跌0.87%2019-09-10
- AI独角兽云知声,已完成一期科创板IPO辅导2019-10-17
- 亚马逊在华拓展云计算团队,挑战阿里巴巴和腾讯2019-10-16
- IDC:今年上半年中国公有云服务市场规模达54.2亿美元2019-11-07