UGATITは最先端の機械学習画像変換です。 *論文 * GitHubプロジェクトページ このモデルを独自のデータセットでトレーニングできます。 このトレーニングでは、無料のGPUを使用できるGoogle Colaboratoryノートブックをお勧めします。UGATITには強力な計算能力が必要だからです。 1、上のGitHubプロジェクトページからのクローン。 git clone https://github.com/taki0112/UGATIT.git cd UGATIT 2、TensorFlow1.14をインストールします（TensorFlow1がない場合。このモデルはTensorFlow2.0ではなくTensorFlow1で作成されているためです）。 pip install tensorflow-gpu==1.14 3、独自のデータセットを作成します。6200枚の画像を使用することをお勧めします（TrainA（DomainA）：3000、TrainB（DomainB）：3000、TestA（DomainA）：100、TestB（DomainB）：100）。元のプロジェクトのselfie2animeデータセットにはこの量の画像があるためです。画像のサイズは重要ではありません。UGATITutilsは自動的に画像のサイズを変更します。データセットディレクトリを作成し、その中にドメインごとにディレクトリを作成します。 データセットのディレクトリ名を指定します（例：“ selfie2anime”）。そして、データセットディレクトリをUGATITディレクトリに配置します。 4、trainスクリプトを実行します。“ — dataset”引数で独自のデータセット名を指定する必要があります。 python main.py --dataset your_dataset_name --phase train トレーニングが始まり、途中結果画像とチェックポイントが出力されます。 Any question?
UGATITは最先端の機械学習画像変換です。 *論文 * GitHubプロジェクトページ このモデルを独自のデータセットでトレーニングできます。
このトレーニングでは、無料のGPUを使用できるGoogle Colaboratoryノートブックをお勧めします。UGATITには強力な計算能力が必要だからです。
1、上のGitHubプロジェクトページからのクローン。
git clone https://github.com/taki0112/UGATIT.git cd UGATIT
2、TensorFlow1.14をインストールします（TensorFlow1がない場合。このモデルはTensorFlow2.0ではなくTensorFlow1で作成されているためです）。
pip install tensorflow-gpu==1.14
3、独自のデータセットを作成します。6200枚の画像を使用することをお勧めします（TrainA（DomainA）：3000、TrainB（DomainB）：3000、TestA（DomainA）：100、TestB（DomainB）：100）。元のプロジェクトのselfie2animeデータセットにはこの量の画像があるためです。画像のサイズは重要ではありません。UGATITutilsは自動的に画像のサイズを変更します。データセットディレクトリを作成し、その中にドメインごとにディレクトリを作成します。
データセットのディレクトリ名を指定します（例：“ selfie2anime”）。そして、データセットディレクトリをUGATITディレクトリに配置します。
4、trainスクリプトを実行します。“ — dataset”引数で独自のデータセット名を指定する必要があります。
python main.py --dataset your_dataset_name --phase train
トレーニングが始まり、途中結果画像とチェックポイントが出力されます。
Any question?
