[App4AI SDK] Jupyter-Image-GAN-Compression-PyTorch

[簡介]

 

Jupyter-Image-GAN-Compression-PyTorch 是將 GAN 模型做壓縮後,再進行風格轉換。壓縮後的模型,不僅減少計算量,降低模型的大小,還能夠保持一定的準確度。此解決方案可應用於馬與斑馬、鞋子的風格轉換。

 

 

[操作步驟及說明]

 

解決方案的風格轉換有兩種做法:

(1) CycleGan 的壓縮,將圖中的馬轉成斑馬,其流程為:

訓練原始大小的 CycleGan 模型 -> 測試原始大小的 CycleGan 模型 -> 將原始大小的 CycleGan 模型進行蒸餾 -> 測試蒸餾後的模型 -> 用蒸餾後的模型訓練 supernet -> 測試 supernet 模型 -> 將 supernet 進行壓縮 -> 測試壓縮後的模型

 

(2) pix2pix 的壓縮,將鞋的輪廓圖轉成鞋子彩色樣本圖,其流程為:

訓練原始大小的 pix2pix 模型 -> 測試原始大小的 pix2pix 模型 -> 將原始大小的 pix2pix 模型進行蒸餾 -> 測試蒸餾後的模型 -> 用蒸餾後的模型訓練 supernet -> 將 supernet 進行壓縮 -> 測試壓縮後的模型

 

注意:運行前請先確認 pip numpy 版本是否為 1.18.1。

 

CycleGan:

 

1. 1_train_CycleGan.ipynb 

訓練 Cycle Gan 模型。資料集為 "horse2zebra",馬與斑馬的圖片。

 

2. 2_test_CycleGan_model_mobile.ipynb

測試第 1 點訓練的 Cycle Gan 模型。若 Cycle Gan 模型測試結果不太好時,會影響後續模型訓練,請回第 1 點再訓練。

 

3. 3_train_CycleGan_distill.ipynb

將第 1 點的 Cycle Gan 模型進行訓練,產生蒸餾後的模型。

 

4. 4_test_CycleGan_distill_model.ipynb

測試第 3 點 Cycle Gan 的蒸餾模型,若覺得結果不太好,請回第 3 點再訓練。

 

5. 5_train_CycleGan_supernet.ipynb

用蒸餾後的 Cycle Gan 模型與原始的 Cycle Gan 模型訓練 supernet。

 

6. 6_test_CycleGan_supernet_model.ipynb

測試第 5 點 Cycle Gan 的 supernet 模型,若覺得結果不太好,請回第 5 點再訓練。

 

7.7_model_compression_CycleGan.ipynb

用  Cycle Gan 的 supernet 模型進行訓練,產生壓縮後的模型。

 

8. 8_inference_CycleGan_compression.ipynb

測試壓縮後的 CycleGan 模型。

real_A 為馬的圖片,fake_B 為馬的圖片轉換成斑馬。

 

GAN Compression cyclegan.png

 

 

pix2pix:

 

1. 1_train_Pix2pix.ipynb

訓練 pix2pix 模型。資料集為 "edges2shoes-r",鞋子輪廓圖的圖片。

 

2. 2_test_Pix2pix_model_mobile.ipynb

測試第 1 點訓練的 pix2pix 模型。若 pix2pix 模型測試結果不太好時,會影響後續模型訓練,請回第 1 點再訓練。

 

3. 3_train_Pix2pix_distill.ipynb

將第 1 點的 pix2pix 模型進行訓練,產生蒸餾後的模型。

 

4. 4_test_Pix2pix_distill_model.ipynb

測試第 4 點 pix2pix  的蒸餾模型,若覺得結果不太好,請回第 3 點再訓練。

 

5. 5_train_Pix2pix_supernet.ipynb

用蒸餾後的 pix2pix 模型訓練 supernet。

 

6. 7_model_compression_Pix2pix.ipynb

用 pix2pix 的 supernet 模型進行訓練,產生壓縮後的模型。

 

7. 8_inference_Pix2pix_compression.ipynb

測試壓縮後的 pix2pix 模型。

real_A 為鞋子的輪廓圖,fake_B 為鞋子的輪廓圖轉換成鞋子樣本圖,real_B 為鞋子的輪廓圖的真實樣本圖。

 

GAN Compression pix2pix.png

 

聯絡我們及購買方式


請參閱以下網址:

https://tw.leaderg.com/article/index?sn=11056

延伸閱讀

1.
App4AI 人工智慧軟體 Windows 版

2.
App4AI 人工智慧軟體 Linux 版

3.
LEADERG COMPUTER 人工智慧 GPU 電腦

4.
教育訓練課程

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、中山大學、暨南大學、宜蘭大學、嘉義大學、聯合大學、淡江大學、逢甲大學、長庚大學、義守大學、實踐大學、大同大學、中原大學、東吳大學、銘傳大學、臺科大、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、亞東科大、中國科大、國防大學、海軍軍官學校、陸軍專科學校、鼓山高中、臺大醫院、榮民總醫院、長庚醫院、亞東醫院、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、紡織研究所、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、鴻海、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、英特盛、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、神通電腦、百佳泰、科音國際、峰安車業、鴻鵠國際、藍海智能等。