[LEADERG APP] Pix2Pix

 [簡介]

 

Pix2Pix 架構和 GAN 類似,但不在於產生仿真的影像,而是希望透過監督學習的方式,讓原影像輸出訓練學習的影像風格。例如 : 黑白轉換成彩色、邊緣圖轉換相片、地圖轉換成衛星地圖等各種應用。 

 

[操作步驟及說明]

 

APP 主要分成四大使用功能,資料夾準備、前處理、訓練、推論、其它。

 

APP.png

 

資料夾準備 :

 

Select Dataset選擇要進行 AI 學習的數據集。 如果要訓練自己的影像,請點選 View 檢視 data 資料夾,請複製一個預設的 map 資料夾,將其改為自己的數據名稱,此時請先不要刪除資料夾內的任何子資料夾或檔案。

 

 

前處理 :

 

 

資料準備.png  

1. 請準備想要圖像轉換的影像,轉換需同類型且同一對影像檔名需相同 (附檔名需為 .jpg)。

接著,請點擊 1. combine A and B 中的 Folder A view 與 Folder B view。

 

資料夾開啟後,A 與 B 資料夾內有 train、val、test ,A 是放置轉換後的影像、B 是放置轉換前的影像。請將影像依照轉換前後放入 A、B 資料夾中的 train、val、test,需注意一點的是 兩資料夾中的 train、val、test 皆需要能夠找到對應的影像檔名。

 

接著按下 1. combine A and B 將對應的影像合併為一張,可點擊 Folder AB view 察看。

 

例如 : 地圖轉換衛星圖。在 A 中的train 資料夾可以找到 1.jpg 的地圖,在 B 中的 train 應該也要可以找到對應的 1.png 衛星圖,在 train 中也可找到合併為一張的 1.jpg。

 

  • data/A/train : 地圖的訓練影像;data/B/train : 衛星的訓練影像。

=> data/train : 合併 A 與 B 的訓練影像。

 

  • data/A/val : 地圖的驗證影像;data/B/val : 衛星的驗證影像。

=> data/val : 合併 A 與 B 的驗證影像。

 

  • data/A/test : 地圖的測試影像;data/B/test : 衛星的測試影像。

=> data/test : 合併 A 與 B 的測試影像。

 

注意 : 

1). 影像長寬建議相同,正方形,如果不相同可以縮放或裁切等方式。

2). 圖檔與其附檔名需為 .jpg。

3). 影像需兩兩相對應。    

 

 

2. 資料準備好,開始訓練前,請依序點擊 2. visdom server 與 3. visdom server browser,如下圖,請勿按 x 關閉,用於訓練過程中,請保持開著。

開始訓練後,訓練的 loss 曲線圖等資訊會 post 到 visdom server 且顯示在 visdom server browser 上。  

 

visdom.png

 

訓練 :

 

訓練.png  

按下 4. train 即可開始訓練。在訓練過程中,可以藉由前一步驟開啟的 3. visdom server browser 觀看 loss 變化曲線與訓練效果。 

其訓練時,可以設定的參數如下 :

 

    Continue training : 如果要接續訓練,請打勾,訓練會自動載最後一個模型接著訓練 (latest_net_G.pth、latest_net_D.pth)。反之,不要打勾。

 

    Dataroot : 訓練影像檔案位置,按下 view 可以看到 train、val,資料夾內為訓練用影像。

 

    Checkpoints dir : 放置訓練產出模型的資料夾,按下 view 可以查看資料夾。

 

    GPU ID : 您的裝置如果有支援 NVIDIA GPU 加速運算,請設定 GPU ID,如使用第 0 顆 GPU 則設置為 0,使用第0、1 顆 GPU 則設置為 0, 1; 若未支援NVIDIA GPU 加速運算,則設置為 -1。

 

    Batch size : 一次訓練的樣本數。

 

    N epochs : 設定訓練的週期數。訓練的總週期數會再額外加 100 期是使用線性衰減至 0 的學習率。

 

    Save epoch freq : 儲存模型的頻率週期數。

 

 

推論:

 

推論整個資料夾。主要分兩種,一種是單張推論,結果呈現轉換前後;另一種是推論合併後的影像 (1. combine A and B 的輸出影樣),結果呈現轉換前後與轉換後的標準影像。

使用方式皆為按下 5. inference folder/6. Inference folder image pairs,選擇模型,開始推論,推論完成後跳出瀏覽器可查看推論結果。

 

推論參數如下 :

 

    Inference folder : 顯示推論圖片的資料夾位置。此資料夾為資料準備步驟裡面的 test 資料夾。

 

    GPU ID : 您的裝置如果有支援 NVIDIA GPU 加速運算,請設定 GPU ID,如使用第 0 顆 GPU 則設置為 0,使用第0、1 顆 GPU 則設置為 0, 1; 若未支援NVIDIA GPU 加速運算,則設置為 -1。

 

推論.png

 

標籤:

延伸閱讀

1.
LEADERG APP 人工智能軟體 (No Code, 不用寫程式, APP 操作介面, 易學易用, 無經驗可, Deep Learning, 深度學習, Machine Learning, 機器學習, 大數據)

2.
LEADERG AI ZOO 人工智能軟體 (Low Code, 提供豐富範例程式, 節省90%的開發時間, 10倍速快速開發 AI 程式, Jupyter Lab 操作介面, AI Model Zoo, 深度學習, 機器學習, Big Data, 大數據)

3.
LEADERG ACE-22 中階人工智能工作站 (RTX-A6000-48G, RTX-A5000-24G, RTX-A4000-16G, RTX-3090-24G, AMD Ryzen 9, Intel Core i9, GPU 電腦, computer, workstation, deep learning, 深度學習)

4.
LEADERG ACE-38 高階人工智能工作站 (RTX-A6000-48G 四張, RTX-A5000-24G 四張, RTX-A4000-16G 七張, NVIDIA RTX-3090-24G 兩張, RTX-3080-10G 兩張, RTX-3060-12G 兩張, AMD, Ryzen Threadripper PRO)

購買方式

歡迎聯絡我們索取報價單,幫助您購買適合的產品。
客服信箱: leaderg@leaderg.com
客服電話: 02-2784-9788

LEADERG APP 申請試用

歡迎聯絡我們申請15天試用授權碼。
客服信箱: leaderg@leaderg.com

教育訓練課程

歡迎聯絡我們討論教育訓練課程。
客服信箱: leaderg@leaderg.com
客服電話: 02-2784-9788

客製化專案服務

歡迎聯絡我們討論客製化專案服務。
客服信箱: leaderg@leaderg.com
客服電話: 02-2784-9788

加入我們

歡迎加入我們。
人力銀行: 線上投遞履歷連結

感謝客戶們的支持

臺灣大學、清華大學、陽明交通大學、成功大學、臺北醫學大學、臺北護理健康大學、中興大學、暨南大學、宜蘭大學、聯合大學、國防大學、陸軍軍官學校、海軍軍官學校、逢甲大學、長庚大學、義守大學、實踐大學、台科大、北科大、臺中科大、雲林科大、勤益科大、虎尾科大、屏東科大、高雄科大、朝陽科大、明志科大、南臺科大、中國科大、鼓山高中、榮民總醫院、長庚醫院、慈濟醫院、義大醫院、中山科學研究院、國防部軍備局、法務部調查局、工研院、資策會、原子能委員會核能研究所、農業委員會特有生物研究保育中心、勞動部勞動研究所、金屬工業研究發展中心、台灣儀器科技研究中心、車輛測試中心、台灣自來水公司、台積電、聯電、南亞科、華邦電子、精材科技、華信光電、友達光電、群創光電、瀚宇彩晶、台塑、台塑網、南亞塑膠、台灣化學纖維、中國石油、羅技電子、義隆電子、隆達電子、達方電子、大聯大 - 世平興業、盟立自動化、迅得機械、南茂科技、順達科技、致伸科技、豐興鋼鐵、中宇環保工程、竹陞科技、研揚科技、敦陽科技、竑騰科技、先豐通訊、神達電腦、百佳泰、科音國際、鴻鵠國際等。