[PYTHON] Trainiere UGATIT mit deinem eigenen Datensatz
UGATIT ist ein hochmoderner Bildkonverter für maschinelles Lernen.
* Papier
* GitHub-Projektseite
Sie können dieses Modell mit Ihrem eigenen Datensatz trainieren.
Für diese Schulung empfehlen wir das Google Colaboratory-Notizbuch mit einer kostenlosen GPU. Dies liegt daran, dass UGATIT leistungsstarke Rechenleistung benötigt.
1, klonen Sie von der GitHub-Projektseite oben.
git clone https://github.com/taki0112/UGATIT.git
cd UGATIT
- Installieren Sie TensorFlow 1.14 (ohne TensorFlow1, da dieses Modell mit TensorFlow1 anstelle von TensorFlow2.0 erstellt wurde).
pip install tensorflow-gpu==1.14
- Erstellen Sie Ihren eigenen Datensatz. Wir empfehlen die Verwendung von 6200 Bildern (TrainA (DomainA): 3000, TrainB (DomainB): 3000, TestA (DomainA): 100, TestB (DomainB): 100). Dies liegt daran, dass der Datensatz selfie2anime des ursprünglichen Projekts diese Anzahl von Bildern enthält. Die Größe des Bildes ist nicht wichtig. UGATITutils ändert automatisch die Größe des Bildes. Erstellen Sie ein Dataset-Verzeichnis und erstellen Sie ein Verzeichnis für jede Domäne darin.
Geben Sie den Verzeichnisnamen des Datasets an (z. B. "selfly2anime"). Legen Sie dann das Dataset-Verzeichnis im UGATIT-Verzeichnis ab.
4, führen Sie das Zugskript aus. Sie müssen Ihren eigenen Dataset-Namen im Argument "- Dataset" angeben.
python main.py --dataset your_dataset_name --phase train
Das Training beginnt und das Ergebnisbild und der Prüfpunkt werden ausgegeben.
Any question?
Recommended Posts