20分钟,这个AI就能创造复杂艺术作品!1080显卡就能跑
本文经AI新媒体量子位(公众号ID:QbitAI)授权转载,转载请联系出处。
20分钟生成复杂的艺术作品,而且还是用英伟达上上代的1080显卡?
现在神经网络上手门槛这么亲民了吗?
没错,这是一个叫做neural-style-pt的风格迁移模型,基于Pytorch实现,而且20刚刚开源!
有关这个算法模型的话题在Reddit上才发布一天,热度接近2000。
neural-style-pt,真的酷炫又亲民吗?
丰富的融合方式
neural-style-pt是论文A Neural Algorithm of Artistic Style的Pytorch实现。
论文介绍了分钟一种利用卷积神经网络将一张图片的内容,与另一张图片的风格相结合的算法,就是我们熟知的“风格迁移”网络。
比如,将《星空》的艺术风格映射到一张斯坦福校园的夜景照片上:
或者根据给定图像的不同艺术风格,分别融合进目标图片:
除了“分别”融合,还能把多个艺术风格融进一张图片:
从左上,这角顺时针开始风格分别为”星空 “+”呐喊”、”呐喊 “+”构图七(瓦西里·康定斯基油画)“、”坐着的裸女(莫蒂里安尼油画) “+”构图七”、”坐着的裸体 “+”星空”。
在进行风格迁移时,添加“-original_colors 1”指令,还可以只改变风格,不改变原图颜色个A:
1080卡就能跑?
根据后台和优化器的不同,算法运行速度会有很大差异。
在Tesla K80上使用512像素图片迭代500次时间参考:
后台nn、优化器L-BFGS: 117秒 后台nn、优化器 ADAM: 100秒 后台cudnn -优化器L-BFGS: 124秒 后台cudnn -优化器ADAI就M:107秒 后台cudnn -cudnn_autotune -优化器L-BFGS: 109秒 后台cudnn -cudnn_autotune -优化器ADAM: 91秒
而在GTX 1080上,相同基准下时间更快:
后端nn -优化器L-BFGS: 56秒 后台nn -优化器 ADAM: 38秒 后台能创cudnn -优化器L-BFGS: 40秒 后台cudnn -优化器ADAM:40秒 后台cudnn -cudnn_autotune -优化器 lbfgs: 23秒 后台cudnn -cudnn_autotune -优化器ADAM: 24秒
结合当下1080卡的售价,不得不说,这样的门槛,对于机造复器学习来说,已经很香了。
默认情况下,neural-style-pt使用后端进行卷积,L-BFGS进行优化。但会使用大量的内存,可以通过以下方法来减少内存的使用。
使用cuDNN,添加-backend cudnn来使用cuDNN后端。而使用ADAM时,添加-optimizer ada杂艺m来使用ADAM而不是L-BFGS。
在默认设置下,neural-style-pt在系统上使用了大约3.7GB的GPU内存;切换到ADAM和cuDNN可以将GPU内存占用减少到大约1GB。
如何上手试玩
安装neural-style-pt,首先要准备好Pytorch。
然后,使用下方术作一句话指令就能安装已经训练好的模型:
python models/download_models.py
安装完以后,上手试玩也很简单,一行代码就能实现:
python neural_style.py -style_image-conten品!t_image
如果要载入多种风格,需要分隔不同的图片文件名:
-style_image starry_night.jpg,the_scream.jpg
注意,图片名称要包含完整的地址路径。
基本操作就是这些。
neural-style-pt还有一点10强大的功能,就是可以使用多个不同的计算设备来处理高分辨率图像。
不同的设备会输出不同网络层的计算结果。
你可以用-gpu指令控制使用哪些GPU和CPU设备,你也可以用-multidevice_strategy控制如何在不同设备上分割层。
例如,在一个有四个GPU的服务器中,指令“-g80pu 0,1,2,3”,指按顺序在GPU 0、1、2和3上进行处理。
同时给出 -multidevice_strategy 3,6,12指令,表示前两层应该在GPU 0上计算,第3到5层应该在GPU 1上计算,第6到11层应该在GPU 2上计算,其余的层应该在GPU 3上计算。
根据你的显卡需求调整-multidevice_strategy,可以达到输出的最大分辨率。
下面是一张4016x2213分辨率图像,是在使用8个Tesla K80 GPU的服务器上生成的:
1080显卡入门,还能“分布式”计算,这么酷炫好玩低门槛的风格迁移网络,赶快来试试吧~
传送门:
https就能://github.com/ProGamerGov/neural-style-pt
- ·盲人也能“看见”街景?Google新AI系统让虚拟探索无障碍,科技向善迈出关键一步
- ·IBM 携手 Groq:用 LPU 技术为企业 AI 提速五倍,全面升级 watsonx 平台
- ·8部门联合发文:增加 AI 终端产品供给,试点智能网联汽车上路
- ·标签: 海尔智家 卡萨帝 麦浪冰箱 懒人洗
- ·标签: 育碧 腾讯 Vantage工作室 刺客信条
- ·标签: Anthropic IPO 人工智能 美股上市
- ·重磅!月之暗面开源革命性中间件 “Checkpoint Engine”,为 LLM 推理引擎带来新生机!
- ·标签: 国补 OpenAI GPT-5.2 小米
- ·云计算核心技术Docker教程:Docker Hub为构建和测试环境变量
- ·云计算开发:Python3数学函数log()方法详解
- ·洋葱去味除甲醛吗
- ·标签: 贵州茅台 蒋焰 丁雄军 茅台集团
- ·文远知行获Grab数千万美元投资,东南亚将迎来数千辆无人驾驶出租车
- ·数组,你不一定了解的全面
- ·标签: 兰天集团 汤国华 汽车经销商 新能源汽车
- ·云计算开发:Python练习实例-利用递归方法求值
- ·Intel 发布全新机架级 AI 芯片 Jaguar Shores,搭载 HBM4 内存
- ·标签: 硅基流动
- ·云安全日报211021:思科网络管理软件发现命令注入漏洞,需要尽快升级
- ·科技巨头AI推广路上的“绊脚石”:谷歌AI概览频出错,商家纷纷反击
- ·Roblox推出类TikTok短视频功能 提升创作者收益并发布多项AI工具
- ·亚马逊CEO贝索斯出售了98673股公司股份
- ·标签: 盒马 王志强 快手 京东
- ·云安全日报210219:思科小型企业交换机发现信息泄露漏洞,需要尽快升级
- ·谷歌Docs,现在已经可以自动生成文本摘要了!
- ·濂堥�瀹e竷杩涘叆鐢靛瓙娓告垙棰嗗煙 鍒嗘瀽甯堝彂鍑鸿�鍛�
