投名状,【机器学习PAI实战】—— 玩转人工智能之使用GAN主动生成二次元头像,奥利司他

深度学习作为人工智能的重要手法,迎来了迸发,在NLP、CV、物联网、无人机等多个投名状,【机器学习PAI实战】—— 玩转人工智能之运用GAN自动生成二次元头像,奥利司他范畴都发挥了十分重要的效果。最近几年,各种深度学习算法层出不穷, Generative Adverarial Network(GAN)自2014年提出以来,引waste起广泛重视,身为深度学习三巨子之一的Yan Lecun对GAN的点评颇高,以为GAN是近年来在深度学习上最大的打破,是近十年来机器学习上最有意思的作业。环绕GAN的论文数量也敏捷增多,各滴珠油种版别的GAN呈现,首要在CV范畴带来了一些奉献,如下图所示。

咱们能够运用GAN生成一些咱们需求的图画或许文本,比方二次元头像。

GAN首要的应用是自动生成一些东西,包含图画和文本等,比方随机给一个向量作为输入,经过GAN的Generator生成一张图片,或许生成一串句子。Conditional GAN的应投名状,【机器学习PAI实战】—— 玩转人工智能之运用GAN自动生成二次元头像,奥利司他用更多一些,比方数据集是一段文字和图画的数据对,经过练习,GAN能够经过给定一段文字生成对应的图画。

GAN首要能够分为Generator(生成器yif)和Discriminator(判别器)两个部分,其间Generator其实便是一个神经网络,输入一个向量,能够输出一张图画(即一个高维的向深圳国税量表明),如下图示。

​Disc郭一汝riminator也是一个神经网络,输入为一张图画,投名状,【机器学习PAI实战】—— 玩转人工智能之运用GAN自动生成二次元头像,奥利司他输出为一个数值,输出的数值用于判别输入的图画是否是真的,数值越大,阐明图画是真的,数值越小,阐明图画为假的,如下图示。

​Generator担任生成图画,Discriminator担任对Generator生成的图画和实在图画去进行比照,区别出真假,Generator需求不断优化来诈骗Discriminator,以假乱真;而Discriminator也不断优化,来进步辨认才能,能够辨认出Generator的花招桩桩。二者的这种联系能够形象管理学地经过下图展现。

Generator和Discriminator连接起来,构成一个比较大的深层网络,即为GAN网络。

深度学习的各种算法在PAI上能够经过PAI-DSW进行完成,在笙怎样读PAI-DSW上beside进行练习数据,运用GAN自动生成二次元头像。

首要需求预备实在的二次元头像作为数据集,这儿从网上找到一些同享的资源,存储在了钉钉钉盘中,钉盘地址 ,提取无腿青年感人情诗暗码: c2pz,数据集如下图示,约5万多张:

运用PAI-DSW进行GAN算法实践,首要需求装置预备好环境。

首要进入到Notlanebook建模,创立新实例,之后打西安大唐不夜城开实例,进入Terminal,在Terminal下用户能够像在自己本地相同装置相应的依靠包,进行操作。

预备好环境之后,咱们能够经过如下图示办法,将根据千金女贼Tensorflow的DCGAN代码和数据集上传上去。 ​

用于练习的DCGAN代码地址:https://github.com/carpedm20/DCGAN-tensorflow,关于DCGAN的网络结构图如下,具体介绍能够参阅论文:https://arxiv.org/abs/1511.06434,胡艺春这儿咱们不做胪陈。

数据集和代码上传成功,如下图示。

其间,data目录下的faces即为数据集,该文件夹下为对应的5万多张实在二次元头像。DCGAN-tensorflow为整个代码途径,其阿拉丁增值税计算器中最首要的两个代码文件是main.py和model.py,其间最首要的中心代码如下。

陈晨轮滑

全部安排妥当之后,咱们履行指令进行练习,调用指令如下:

​python main.py --input_height 96 --input_width 96 --output_height 48 --output_width 48 --dataset faces --crop --train --epoch 300 --input_fname_pattern "*.jpg"

其间,参数dateset指定数阿凡题据集的目录,epoch指定循环迭代的次数,input_height、input_width用于指定输入文件的巨细,输出文件的巨细相同也需求参数设定,代码够钟履行进程如下图示:​

咱们来看下履行成果,别离看一下epoch为1,30,100的时分生成的二次元头像效果图。

ep投名状,【机器学习PAI实战】—— 玩转人工智能之运用GAN自动生成二次元头像,奥利司他och=1

epoch=30

epoch=100​

咱们发现,跟着不断迭代,tight生成的二次元头像也越来越传神。

经过上面的实践,咱们领会到了GAN的魅力,GAN的变种有许多,除此之外咱们还能够运用GAN做十分多的有意思的工作,比方经过文字生成图画,经过简略文字生成宣扬海报等。PAI-DSW像是一个练武场,为咱们预备好了深度学习所需求的环境和条件,让投名状,【机器学习PAI实战】—— 玩转人工智能之运用GAN自动生成二次元头像,奥利司他咱们能够纵情享用大数据和深度学习的趣味,除了GAN,像比较炽热的Bert等模型,咱们也都能够试一试。投名状,【机器学习PAI实战】—— 玩转人工智能之运用GAN自动生成二次元头像,奥利司他

本文作者:不等_赵振才

原文链接:https://yq.aliyun.com/articles/692342?utm_content=g_1000048853

本文为云栖社区原创内容,未经答应不得转载。

人工智能 投名状,【机器学习PAI实战】—— 玩转人工智能之运用GAN自动生成二次元头像,奥利司他 大数据 比照
声明:该文观念仅代表作者自己,搜狐号系信息发布渠道,搜狐仅供给信息存储空间效劳。

转载原创文章请注明,转载自188bet官网_188bet下载开户_188bet备用网址官网,原文地址:http://www.ccwmj.com/articles/56.html

上一篇:尺,苹果一口气推出4款新效劳 新款ipad mini降价200,维生素ad

下一篇:甘露露,原创夏朝消亡后,王族后嗣建国存续千年,留四字成语传世,我们都知道,越