Entraînez UGATIT avec votre propre jeu de données
UGATIT est un convertisseur d'image de machine learning de pointe.
* Papier
* Page du projet GitHub
Vous pouvez entraîner ce modèle avec votre propre jeu de données.
Pour cette formation, nous vous recommandons le bloc-notes Google Colaboratory, qui dispose d'un GPU gratuit. En effet, UGATIT nécessite une puissance de calcul puissante.
1, cloner à partir de la page du projet GitHub ci-dessus.
git clone https://github.com/taki0112/UGATIT.git
cd UGATIT
- Installez TensorFlow 1.14 (sans TensorFlow1 car ce modèle a été créé avec TensorFlow1 au lieu de TensorFlow2.0).
pip install tensorflow-gpu==1.14
- Créez votre propre ensemble de données. Nous vous recommandons d'utiliser 6200 images (TrainA (DomainA): 3000, TrainB (DomainB): 3000, TestA (DomainA): 100, TestB (DomainB): 100). En effet, l'ensemble de données selfie2anime du projet d'origine contient cette quantité d'images. La taille de l'image n'est pas importante. UGATITutils redimensionnera automatiquement l'image. Créez un répertoire d'ensemble de données et créez un répertoire pour chaque domaine qu'il contient.
Spécifiez le nom du répertoire de l'ensemble de données (par exemple, «selfly2anime»). Placez ensuite le répertoire de l'ensemble de données dans le répertoire UGATIT.
4, exécutez le script de train. Vous devez spécifier votre propre nom de jeu de données dans l'argument «- dataset».
python main.py --dataset your_dataset_name --phase train
La formation commencera et l'image de résultat et le point de contrôle seront affichés.
Any question?
Recommended Posts