Pix2Pix 風格轉換。將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]

1_combine_A_and_B.ipynb

data/A 與 data/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，且輸出至 data/train, data/val, data/test。

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_visdom_server.ipynb

開啟 port 為 8801 的 visdom_server。

3_visdom_server_browser.ipynb

開啟瀏覽器，可看到訓練過程的 loss 曲線圖等資訊。

4_train.ipynb

訓練模型。

•    --continue_train : 載入 model/latest 模型接續訓練。

•   --epoch_count 2300 : 輸出模型檔名從 2300 次開始，表示前面已經有訓練 2300 期。與 continue_train 搭配使用。

•    --n_epochs 1000 : 訓練期數 1000。

•    --gpu_ids 0 : 使用哪顆 gpu 訓練，也可設定多顆，例如  --gpu_ids 0,1,2。

•    --save_epoch_freq 5 : 儲存模型頻率。

5_inference_folder.ipynb

推論資料夾。

•    checkpoints_dir = 'model' : 模型資料夾。

•    epoch = 'latest' : 載入 latest_net_G_A 的模型。

•    dataroot = 'data/B'、phase = 'test' : 測試資料夾為 data/B/test。

•    num_test = 27 : 資料夾中有多少張測試影像。

6_inference_folder_image_pairs.ipynb

推論資料夾，資料夾內的影像為 1_combine_A_and_B.ipynb 合併 A、B 的影像。

可以用來比照目標與模型生成的影像。

•    checkpoints_dir = 'model'、epoch = 'latest' : 模型為 model/latest_net_G_A.pth。

•    dataroot = 'data/'、phase = 'test' : 測試資料夾為 data/test。

•    num_test = 20 : 資料夾中有多少張測試影像。

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，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。