


Utilisez Python pour convertir des photos en avatars de style anime.
Récemment, j'ai rencontré un problème. J'avais besoin de transformer mon avatar en style anime. Ma première pensée à cette époque était de trouver des roues toutes faites.
▲Convertir des images en style pixel
Convertir des avatars en style anime consiste à convertir de vraies photos en images non réalistes de style anime/dessin animé tout en conservant les informations d'origine de l'image et les détails de texture. À l'heure actuelle, en plus de l'API Baidu, il existe de nombreuses bibliothèques open source sur Github que nous pouvons utiliser directement.
Parmi eux, AnimeGAN est une recherche de l'Université de Wuhan et de l'Université de technologie du Hubei. Elle utilise une combinaison de transfert de style neuronal + réseau contradictoire génératif (GAN), et l'effet est très cohérent avec nos besoins.
AnimeGAN a d'abord utilisé le framework Tensorflow, mais après avoir interrogé les informations, il a été constaté que le projet prend déjà en charge le framework PyTorch.
Adresse : https://github.com/bryandlee/animegan2-pytorch
Et il se trouve que j'ai déjà implémenté l'analyse des sentiments des commentaires Weibo basée sur PyTorch, donc ce ne sera pas un fardeau de l'utiliser, et Je n'ai pas besoin d'installer la bibliothèque.
Installation de Pytorch
PyTorch est une bibliothèque d'apprentissage automatique Python open source basée sur Torch pour des applications telles que le traitement du langage naturel. Ce cadre d'apprentissage profond peut être appliqué dans de nombreuses directions telles que la modélisation numérique, la modélisation d'images, la modélisation de texte, la modélisation audio, etc.
L'installation de Pytorch sera plus gênante que celle des autres bibliothèques. Si vous accédez à l'installation officielle et téléchargez, vous devez obtenir la commande d'installation qui vous convient en fonction de la configuration réelle.
Si vous constatez que la vitesse de téléchargement est lente ou si vous rencontrez divers problèmes en suivant les étapes ci-dessus, vous pouvez également essayer le site Web suivant :
https://download.pytorch.org/whl/torch_stable.html
Vue du site Web :
Migration de style Anime
Après avoir installé le framework Pytorch, nous pouvons cloner le projet animationgan2-pytorch localement/le télécharger directement :
git clone https://github.com/bryandlee/animegan2-pytorch
Télécharger dans le répertoire final local comme indiqué ci-dessous :
Le dossier des poids contient quatre poids. Sélectionnez le poids correspondant pour réaliser la migration du style d'animation souhaitée. Des exemples d'images sont stockés dans le dossier d'entrées sous les échantillons, qui peuvent être utilisés directement pour tester le terrain. De plus, j'ai également créé un nouveau dossier de sortie sous le même chemin pour stocker les images traitées.
Ensuite, il suffit d'exécuter le script test.py dans la ligne de commande pour appeler le projet. Le format de commande spécifique est le suivant :
python test.py --checkpoint [chemin du fichier modèle] --input_dir [répertoire. où se trouve l'image d'entrée] ] --output_dir [répertoire de sortie] --device [sélection de périphérique, processeur ou cuda]
Opération réelle :
Comme c'est comme implémenter la migration d'une animation faciale, j'ai utilisé face_paint_512_v1.pt et face_paint_512_v2.pt respectivement. Le poids, l'effet est comme indiqué dans l'image ci-dessous :
Effet réel①
Changez l'image pour voir :
Effet pratique②
Personnellement, j'ai l'impression que le fini produit de face_paint_512_v2.pt le traitement du poids est plus conforme à mon style d'animation Que pensez-vous de l'imagination ?
Enfin, j'ai également essayé paprika.pt pour migrer les images de paysage vers l'animation.
▲L'image originale
L'effet est comme indiqué ci-dessous :
▲Rendu
Si vous souhaitez convertir des avatars/images en style anime, autant essayer~
Attention !
Attention !
Si après avoir lu cet article, vous ne souhaitez pas installer Pytorch, mais souhaitez créer directement votre propre visage de bande dessinée ?
Vous pouvez ouvrir cette URL sur votre ordinateur : https://huggingface.co/spaces/akhaliq/AnimeGANv2. Il s'agit d'une application AnimeGANv2 en ligne. Vous n'avez pas besoin d'installer de framework localement et vous pouvez la convertir directement.
▲Site Web AnimeGANv2
Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!

Outils d'IA chauds

Undresser.AI Undress
Application basée sur l'IA pour créer des photos de nu réalistes

AI Clothes Remover
Outil d'IA en ligne pour supprimer les vêtements des photos.

Undress AI Tool
Images de déshabillage gratuites

Clothoff.io
Dissolvant de vêtements AI

AI Hentai Generator
Générez AI Hentai gratuitement.

Article chaud

Outils chauds

Bloc-notes++7.3.1
Éditeur de code facile à utiliser et gratuit

SublimeText3 version chinoise
Version chinoise, très simple à utiliser

Envoyer Studio 13.0.1
Puissant environnement de développement intégré PHP

Dreamweaver CS6
Outils de développement Web visuel

SublimeText3 version Mac
Logiciel d'édition de code au niveau de Dieu (SublimeText3)

HaDIDB: Une base de données Python évolutive de haut niveau légère HaDIDB (HaDIDB) est une base de données légère écrite en Python, avec un niveau élevé d'évolutivité. Installez HaDIDB à l'aide de l'installation PIP: PiPinStallHaDIDB User Management Créer un utilisateur: CreateUser () pour créer un nouvel utilisateur. La méthode Authentication () authentifie l'identité de l'utilisateur. FromHadidb.OperationMportUserUser_OBJ = User ("Admin", "Admin") User_OBJ.

Il est impossible de visualiser le mot de passe MongoDB directement via NAVICAT car il est stocké sous forme de valeurs de hachage. Comment récupérer les mots de passe perdus: 1. Réinitialiser les mots de passe; 2. Vérifiez les fichiers de configuration (peut contenir des valeurs de hachage); 3. Vérifiez les codes (May Code Hardcode).

Vous pouvez apprendre les concepts de programmation de base et les compétences de Python dans les 2 heures. 1. Apprenez les variables et les types de données, 2. Flux de contrôle maître (instructions et boucles conditionnelles), 3. Comprenez la définition et l'utilisation des fonctions, 4. Démarrez rapidement avec la programmation Python via des exemples simples et des extraits de code.

Guide d'optimisation des performances de la base de données MySQL dans les applications à forte intensité de ressources, la base de données MySQL joue un rôle crucial et est responsable de la gestion des transactions massives. Cependant, à mesure que l'échelle de l'application se développe, les goulots d'étranglement des performances de la base de données deviennent souvent une contrainte. Cet article explorera une série de stratégies efficaces d'optimisation des performances MySQL pour garantir que votre application reste efficace et réactive dans des charges élevées. Nous combinerons des cas réels pour expliquer les technologies clés approfondies telles que l'indexation, l'optimisation des requêtes, la conception de la base de données et la mise en cache. 1. La conception de l'architecture de la base de données et l'architecture optimisée de la base de données sont la pierre angulaire de l'optimisation des performances MySQL. Voici quelques principes de base: sélectionner le bon type de données et sélectionner le plus petit type de données qui répond aux besoins peut non seulement économiser un espace de stockage, mais également améliorer la vitesse de traitement des données.

Python est largement utilisé dans les domaines du développement Web, de la science des données, de l'apprentissage automatique, de l'automatisation et des scripts. 1) Dans le développement Web, les cadres Django et Flask simplifient le processus de développement. 2) Dans les domaines de la science des données et de l'apprentissage automatique, les bibliothèques Numpy, Pandas, Scikit-Learn et Tensorflow fournissent un fort soutien. 3) En termes d'automatisation et de script, Python convient aux tâches telles que les tests automatisés et la gestion du système.

En tant que professionnel des données, vous devez traiter de grandes quantités de données provenant de diverses sources. Cela peut poser des défis à la gestion et à l'analyse des données. Heureusement, deux services AWS peuvent aider: AWS Glue et Amazon Athena.

Non, MySQL ne peut pas se connecter directement à SQL Server. Mais vous pouvez utiliser les méthodes suivantes pour implémenter l'interaction des données: utilisez Middleware: Exporter les données de MySQL au format intermédiaire, puis importez-les sur SQL Server via Middleware. Utilisation de Database Linker: Business Tools fournit une interface plus conviviale et des fonctionnalités avancées, essentiellement encore implémentées via Middleware.

Les étapes pour démarrer un serveur Redis incluent: Installez Redis en fonction du système d'exploitation. Démarrez le service Redis via Redis-Server (Linux / MacOS) ou Redis-Server.exe (Windows). Utilisez la commande redis-Cli Ping (Linux / MacOS) ou redis-Cli.exe Ping (Windows) pour vérifier l'état du service. Utilisez un client redis, tel que redis-cli, python ou node.js pour accéder au serveur.
