


Gunakan Python untuk menukar foto kepada avatar gaya anime.
Baru-baru ini saya menghadapi masalah, saya perlu menukar avatar saya kepada gaya anime.
▲Tukar gambar kepada gaya piksel
Tukar avatar kepada gaya anime, dengan harapan dapat mengubah foto sebenar menjadi foto sebenar sambil mengekalkan imej asal maklumat dan butiran tekstur Tukar kepada imej bukan fotorealistik gaya anime/kartun. Pada masa ini, selain API Baidu, terdapat banyak perpustakaan sumber terbuka pada Github yang boleh kami gunakan secara langsung.
Antaranya, AnimeGAN ialah penyelidikan dari Universiti Wuhan dan Universiti Teknologi Hubei Ia menggunakan gabungan pemindahan gaya neural + rangkaian musuh generatif (GAN), dan kesannya sangat konsisten dengan keperluan kita.
AnimeGAN mula-mula menggunakan rangka kerja Tensorflow, tetapi selepas menanyakan maklumat, didapati projek itu sudah menyokong rangka kerja PyTorch.
Alamat: https://github.com/bryandlee/animegan2-pytorch
Dan saya kebetulan telah melaksanakan analisis sentimen komen Weibo berdasarkan PyTorch sebelum ini . Jadi ia tidak akan menjadi beban untuk digunakan, dan anda tidak perlu memasang perpustakaan.
Pemasangan Pytorch
PyTorch ialah perpustakaan pembelajaran mesin Python sumber terbuka, berdasarkan Torch, digunakan untuk aplikasi seperti pemprosesan bahasa semula jadi. Rangka kerja pembelajaran mendalam ini boleh digunakan dalam banyak arah seperti pemodelan berangka, pemodelan imej, pemodelan teks, pemodelan audio, dsb.
Memasang Pytorch akan menjadi lebih menyusahkan daripada perpustakaan lain Jika anda pergi ke pemasangan rasmi dan memuat turun, anda perlu mendapatkan arahan pemasangan yang sesuai dengan anda mengikut konfigurasi sebenar .
Jika anda mendapati kelajuan muat turun perlahan atau anda menghadapi pelbagai masalah melalui langkah di atas, anda juga boleh mencuba tapak web berikut:
https :/ /download.pytorch.org/whl/torch_stable.html
Paparan tapak web:
Penghijrahan gaya anime
Selepas memasang Rangka kerja Pytorch, Kami kemudiannya boleh mengklon/muat turun projek animationgan2-pytorch secara setempat:
git clone https://github.com/bryandlee/animegan2-pytorch
Muat turun ke direktori tempatan di penghujung artikel seperti yang ditunjukkan di bawah:
Folder pemberat mengandungi empat pemberat Pilih berat yang sepadan untuk mencapai penghijrahan gaya animasi yang anda inginkan. Contoh gambar disimpan dalam folder input di bawah sampel, yang boleh digunakan terus untuk menguji perairan. Selain itu, saya juga mencipta folder keluaran baharu di bawah laluan yang sama untuk menyimpan imej yang diproses.
Seterusnya, kita hanya perlu menjalankan skrip test.py dalam baris arahan untuk memanggil projek Format arahan khusus adalah seperti berikut:
python test.py --checkpoint [model. laluan fail] --input_dir [direktori tempat imej input terletak] --output_dir [direktori output] --peranti [pemilihan peranti, cpu atau cuda]
Operasi sebenar:
Memandangkan ia seperti melaksanakan migrasi animasi muka, saya masing-masing menggunakan face_paint_512_v1.pt dan face_paint_512_v2.pt Kesannya adalah seperti yang ditunjukkan dalam rajah di bawah:
Kesan sebenar ①
Mari kita lihat gambar lain:
Kesan praktikal ②
Secara peribadi, saya rasa sudah selesai produk dengan berat face_paint_512_v2.pt lebih sesuai dengan citarasa saya untuk gaya anime Apa pendapat anda tentang imaginasi?
Akhirnya, saya juga mencuba paprika.pt untuk memindahkan gambar landskap kepada animasi.
▲Imej asal
Kesannya seperti yang ditunjukkan di bawah:
▲Rendering
Jika anda berminat untuk menukar avatar/gambar kepada gaya anime, anda juga boleh mencubanya~
Perhatian!
Perhatian!
Bagaimana jika selepas membaca artikel ini, anda tidak mahu memasang Pytorch, tetapi mahu mencipta muka komik anda sendiri secara langsung?
Anda boleh membuka URL ini pada komputer anda: https://huggingface.co/spaces/akhaliq/AnimeGANv2 Ini adalah APL AnimeGANv2 dalam talian Anda tidak perlu memasang sebarang rangka kerja secara setempat, dan anda boleh menukarnya secara langsung.
▲Tapak web AnimeGANv2
Atas ialah kandungan terperinci Gunakan Python untuk menukar foto kepada avatar gaya anime.. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!

Alat AI Hot

Undresser.AI Undress
Apl berkuasa AI untuk mencipta foto bogel yang realistik

AI Clothes Remover
Alat AI dalam talian untuk mengeluarkan pakaian daripada foto.

Undress AI Tool
Gambar buka pakaian secara percuma

Clothoff.io
Penyingkiran pakaian AI

AI Hentai Generator
Menjana ai hentai secara percuma.

Artikel Panas

Alat panas

Notepad++7.3.1
Editor kod yang mudah digunakan dan percuma

SublimeText3 versi Cina
Versi Cina, sangat mudah digunakan

Hantar Studio 13.0.1
Persekitaran pembangunan bersepadu PHP yang berkuasa

Dreamweaver CS6
Alat pembangunan web visual

SublimeText3 versi Mac
Perisian penyuntingan kod peringkat Tuhan (SublimeText3)

Topik panas



MySQL mempunyai versi komuniti percuma dan versi perusahaan berbayar. Versi komuniti boleh digunakan dan diubahsuai secara percuma, tetapi sokongannya terhad dan sesuai untuk aplikasi dengan keperluan kestabilan yang rendah dan keupayaan teknikal yang kuat. Edisi Enterprise menyediakan sokongan komersil yang komprehensif untuk aplikasi yang memerlukan pangkalan data yang stabil, boleh dipercayai, berprestasi tinggi dan bersedia membayar sokongan. Faktor yang dipertimbangkan apabila memilih versi termasuk kritikal aplikasi, belanjawan, dan kemahiran teknikal. Tidak ada pilihan yang sempurna, hanya pilihan yang paling sesuai, dan anda perlu memilih dengan teliti mengikut keadaan tertentu.

Artikel ini memperkenalkan operasi pangkalan data MySQL. Pertama, anda perlu memasang klien MySQL, seperti MySqlworkbench atau Command Line Client. 1. Gunakan perintah MySQL-Uroot-P untuk menyambung ke pelayan dan log masuk dengan kata laluan akaun root; 2. Gunakan CreateTatabase untuk membuat pangkalan data, dan gunakan Pilih pangkalan data; 3. Gunakan createtable untuk membuat jadual, menentukan medan dan jenis data; 4. Gunakan InsertInto untuk memasukkan data, data pertanyaan, kemas kini data dengan kemas kini, dan padam data dengan padam. Hanya dengan menguasai langkah -langkah ini, belajar menangani masalah biasa dan mengoptimumkan prestasi pangkalan data anda boleh menggunakan MySQL dengan cekap.

Panduan Pengoptimuman Prestasi Pangkalan Data MySQL Dalam aplikasi yang berintensifkan sumber, pangkalan data MySQL memainkan peranan penting dan bertanggungjawab untuk menguruskan urus niaga besar-besaran. Walau bagaimanapun, apabila skala aplikasi berkembang, kemunculan prestasi pangkalan data sering menjadi kekangan. Artikel ini akan meneroka satu siri strategi pengoptimuman prestasi MySQL yang berkesan untuk memastikan aplikasi anda tetap cekap dan responsif di bawah beban tinggi. Kami akan menggabungkan kes-kes sebenar untuk menerangkan teknologi utama yang mendalam seperti pengindeksan, pengoptimuman pertanyaan, reka bentuk pangkalan data dan caching. 1. Reka bentuk seni bina pangkalan data dan seni bina pangkalan data yang dioptimumkan adalah asas pengoptimuman prestasi MySQL. Berikut adalah beberapa prinsip teras: Memilih jenis data yang betul dan memilih jenis data terkecil yang memenuhi keperluan bukan sahaja dapat menjimatkan ruang penyimpanan, tetapi juga meningkatkan kelajuan pemprosesan data.

Hadidb: Pangkalan data Python yang ringan, tinggi, Hadidb (Hadidb) adalah pangkalan data ringan yang ditulis dalam Python, dengan tahap skalabilitas yang tinggi. Pasang HadIdb menggunakan pemasangan PIP: Pengurusan Pengguna PipInstallHadidB Buat Pengguna: CreateUser () Kaedah untuk membuat pengguna baru. Kaedah pengesahan () mengesahkan identiti pengguna. dariHadidb.OperationImportuserer_Obj = user ("admin", "admin") user_obj.

Tidak mustahil untuk melihat kata laluan MongoDB secara langsung melalui Navicat kerana ia disimpan sebagai nilai hash. Cara mendapatkan kata laluan yang hilang: 1. Tetapkan semula kata laluan; 2. Periksa fail konfigurasi (mungkin mengandungi nilai hash); 3. Semak Kod (boleh kata laluan Hardcode).

MySQL boleh berjalan tanpa sambungan rangkaian untuk penyimpanan dan pengurusan data asas. Walau bagaimanapun, sambungan rangkaian diperlukan untuk interaksi dengan sistem lain, akses jauh, atau menggunakan ciri -ciri canggih seperti replikasi dan clustering. Di samping itu, langkah -langkah keselamatan (seperti firewall), pengoptimuman prestasi (pilih sambungan rangkaian yang betul), dan sandaran data adalah penting untuk menyambung ke Internet.

MySQL Workbench boleh menyambung ke MariaDB, dengan syarat bahawa konfigurasi adalah betul. Mula -mula pilih "MariaDB" sebagai jenis penyambung. Dalam konfigurasi sambungan, tetapkan host, port, pengguna, kata laluan, dan pangkalan data dengan betul. Apabila menguji sambungan, periksa bahawa perkhidmatan MariaDB dimulakan, sama ada nama pengguna dan kata laluan betul, sama ada nombor port betul, sama ada firewall membenarkan sambungan, dan sama ada pangkalan data itu wujud. Dalam penggunaan lanjutan, gunakan teknologi penyatuan sambungan untuk mengoptimumkan prestasi. Kesilapan biasa termasuk kebenaran yang tidak mencukupi, masalah sambungan rangkaian, dan lain -lain. Apabila kesilapan debugging, dengan teliti menganalisis maklumat ralat dan gunakan alat penyahpepijatan. Mengoptimumkan konfigurasi rangkaian dapat meningkatkan prestasi

Untuk persekitaran pengeluaran, pelayan biasanya diperlukan untuk menjalankan MySQL, atas alasan termasuk prestasi, kebolehpercayaan, keselamatan, dan skalabilitas. Pelayan biasanya mempunyai perkakasan yang lebih kuat, konfigurasi berlebihan dan langkah keselamatan yang lebih ketat. Untuk aplikasi kecil, rendah, MySQL boleh dijalankan pada mesin tempatan, tetapi penggunaan sumber, risiko keselamatan dan kos penyelenggaraan perlu dipertimbangkan dengan teliti. Untuk kebolehpercayaan dan keselamatan yang lebih besar, MySQL harus digunakan di awan atau pelayan lain. Memilih konfigurasi pelayan yang sesuai memerlukan penilaian berdasarkan beban aplikasi dan jumlah data.
