Image-GAN-Compression-PyTorch-Jupyter 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。

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。

這個 SDK 內建於 AppForAI 人工智慧開發工具。

單獨購買價格：5,000元，永久授權，單一 SDK 授權，單機授權，一次下載，無更新服務，一年電子郵件範例諮詢服務。如果是軟體客製化問題，請購買我們的客製化顧問服務點數。