Penulis (s): Divy Shah
Panduan untuk transfer gaya saraf menggunakan perpustakaan python transfer gaya saraf
Dalam tutorial ini, kita akan belajar bagaimana menggunakan perpustakaan transfer gaya saraf untuk menyusun gambar dalam gaya gambar lain hanya dengan menggunakan beberapa baris kode.
Neural Style Transfer pada dasarnya adalah teknik optimasi yang mengambil 2 gambar sebagai input, satu gambar referensi gaya gambar, dan gambar lainnya adalah gambar input yang ingin Anda gaya — model memadukan kedua gambar ini bersama-sama dan menghasilkan gambar yang diubah yang terlihat seperti diberikan input (konten) tetapi dicat dengan gambar gaya referensi yang diberikan.
terlihat menarik kan .. tetapi diperlukan banyak hal yang mencakup kode pra-pemrosesan gambar, kode pelatihan model, fungsi pengoptimalan, dan banyak fungsi kecil lainnya, tetapi untuk menyingkirkan semua hal ini kami memiliki perpustakaan luar biasa yang disebut gaya saraf -transfer yang melakukan semua hal ini untuk kami hanya dalam beberapa baris kode sehingga di blog ini akan menunjukkan kepada Anda bagaimana seseorang dapat menggunakan perpustakaan yang indah ini.
Pertama, instal perpustakaan
pip install neural-style-transfer
Impor perpustakaan dan buat objek kelas
dari neuralstyletransfer.style_transfer impor NeuralStyleTransfer nst = NeuralStyleTransfer()
Sekarang kita perlu memuat konten dan gambar gaya referensi menggunakan perintah yang diberikan.
di sini saya menggunakan gambar dari URL eksternal, Anda juga dapat memuat gambar langsung dari mesin lokal dengan menyediakan jalur absolut dan pathType=’local’.
content_url=”https://i.ibb.co/6mVpxGW/content.png” style_url=”https://i.ibb.co/30nz9Lc/style.jpg” nst.LoadContentImage(content_url, pathType=”url”) nst.LoadStyleImage(style_url, pathType=”url”)
Gambar konten
Gambar konten
Gambar gaya
Besar! sekarang kita siap untuk memulai pelatihan model..
Tidak perlu menulis kode panjang, Anda hanya perlu memanggil fungsi apply dan optimasi model start dan memberikan hasil akhir sebagai output.
output = nst.apply(contentWeight=1000, styleWeight=0.01, epochs=600)
variabel output berisi gambar transformasi akhir Anda dapat menyimpan output menggunakan perpustakaan Bantal.
dari PIL impor Gambar output.save(‘output.jpg’)
proses ini membutuhkan waktu berdasarkan perangkat keras mesin Anda. Saya sarankan menggunakan mesin GPU untuk membuat proses lebih cepat.
di sini, di fungsi apply, Anda dapat memberikan hyperparameter yang berbeda berdasarkan kebutuhan Anda.
contentWeight →Dengan menggunakan parameter ini, kita dapat menentukan bobot gambar konten jika disetel ke nilai yang lebih rendah daripada di gambar yang diubah (hasil) tidak terlihat jelas, untuk membuat gambar konten lebih tajam, Anda dapat meningkatkan nilai konten berat. styleWeight →Menggunakan parameter ini kita dapat menentukan bobot gambar gaya biasanya diatur ke 0,01 tetapi jika Anda ingin membuatnya lebih ringan, Anda dapat mengurangi nilainya berdasarkan kebutuhan Anda. epoch → Menggunakan parameter ini Anda dapat mengatur jumlah epoch untuk pelatihan model, karena ini adalah masalah pengoptimalan, Anda mungkin dapat mengatur ini ke nilai yang lebih tinggi seperti 500 atau 600 atau bahkan lebih dari itu jika Anda ingin gambar Anda lebih jelas, pada dasarnya lebih tinggi jumlah gambar epoch lebih optimal, selama waktu pelatihan mencetak kehilangan konten dan gambar gaya sehingga berdasarkan itu Anda dapat memutuskan epoch Anda untuk hasil yang optimal.
Gambar yang diubah (Keluaran)
Gambar keluaran
Wow.. kita selesai di atas adalah gambar yang kita ubah terlihat seperti
periksa notebook colab ini untuk demo.
Neural Style Transfer menggunakan pustaka python awalnya diterbitkan di Towards AI on Medium, di mana orang-orang melanjutkan percakapan dengan menyoroti dan menanggapi cerita ini.
Diterbitkan melalui Menuju AI
CYBERRPOWERPC Gamer Master Gaming PC, AMD Ryzen 3 3100 3.6GHz, GeForce GT 1030 2GB, 8GB DDR4, SSD 240GB, HDD 2TB, WiFi Siap & Menangkan 10 Rumah (GMA888A6), Putih
$709.99 (per 8 November 2021 16:12 GMT -05:00 – Info lebih lanjutHarga dan ketersediaan produk akurat pada tanggal/waktu yang ditunjukkan dan dapat berubah. Informasi harga dan ketersediaan apa pun ditampilkan di [relevant Amazon Site(s), as applicable] pada saat pembelian akan berlaku untuk pembelian produk ini. %site_host% adalah peserta dalam Program Associates Amazon Services LLC, program periklanan afiliasi yang dirancang untuk menyediakan sarana bagi situs untuk mendapatkan biaya komisi dengan mengiklankan dan menautkan ke situs web berikut. %associates_list%)
Paket Komputer Desktop HP Elite – Windows 10 Professional, Intel Quad Core i5 3.2GHz, RAM 8GB, HDD 500GB, Monitor LCD 22 inci, Keyboard, Mouse, WiFi (Diperbarui)
$234.92 (per 8 November 2021 16:12 GMT -05:00 – Info lebih lanjutHarga dan ketersediaan produk akurat pada tanggal/waktu yang ditunjukkan dan dapat berubah. Informasi harga dan ketersediaan apa pun yang ditampilkan di [relevant Amazon Site(s), as applicable] pada saat pembelian akan berlaku untuk pembelian produk ini. %site_host% adalah peserta dalam Program Associates Amazon Services LLC, program periklanan afiliasi yang dirancang untuk menyediakan sarana bagi situs untuk mendapatkan biaya komisi dengan mengiklankan dan menautkan ke situs web berikut. %associates_list%)