stylegan2风格迁移快速上手

环境搭建

• git clone源码

  git clone https://github.com/hDluffy/stylegan2.git
  

  同时下载源github中提供的预训练模型stylegan2-ffhq-config-f.pkl，放置networks目录下

• 安装训练环境
  

  conda配置

  conda create --name stylegan2-tf python=3.6
  
  source activate stylegan2-tf
  
  ##注意cuda版本与系统安装版本无关
  conda install tensorflow-gpu=1.14
  
  pip install scipy==1.3.3
  pip install requests==2.22.0
  pip install Pillow==6.2.1
  pip install typer
  

  docker环境

  docker build .
  

• 数据处理

  1024x1024对齐后的raw数据,通过dataset_tool.py转为tfrecords数据集

  #转为tfrecords数据集
  ./make_dataset.sh
  
  #转为tfrecords数据集的具体指令
  python dataset_tool.py create_from_images ~/datasets/my-custom-dataset ~/my-custom-images
  #可以查看数据
  python dataset_tool.py display ~/datasets/my-custom-dataset
  

• 模型训练
  

  ./train.sh
  
  #CUDA_VISIBLE_DEVICES=0,1,2,3 python run_training.py --num-gpus=4 --data-dir=~/datasets --config=config-f --dataset=my-custom-dataset --mirror-augment=true
  

  注:
  可能的错误undefined symbol: _ZN10tensorflow12OpDefBuilder6OutputESs
  解决方案：https://blog.csdn.net/zaf0516/article/details/103618601
  可能的错误#error "C++ versions less than C++11 are not supported
  解决方案：https://blog.csdn.net/qq1483661204/article/details/105442426

  1.通过设置./traing/training_loop.py中的resume_pkl路径，可以修改预训练模型
  2.建议注释掉评估，可以加快训练【metrics】

• 测试及批量处理

  #task='GenShow',显示不同层融合的效果对比；task='GenBatch',进行特定层融合效果的批量生成；
  ./gen_images.sh
  
  #处理完的数据，可以通过指令copy到本地处理
  scp username@ip:/path/data /mnt/g/DataSets