如何使用stylegan训练自己的照片数据集

今天完成了简单的stylegan自定义数据集训练过程,感谢国外老哥的教程,原来很简单……其实对于专门做人工智能方面的人来说训练应该是很简单的,但是对于我这种跨专业跨领域的小白来说,还是需要一个详细教程的,这里给大家介绍一下如何使用自己的数据集来测试stylegan。 首先,大家需要在自己的电脑上配置好tensorflow环境,注意:tensorflow2.0可能无法运行stylegan的原始代码,建议使用1.13版本。 个人运行环境:WIN10+CUDA10.0 +CUDNN7.5+ TENSORFLOW-GPU1.13.1 + python3.7

使用python对文件夹内的照片进行批量修改尺寸

小白学习记录……

原文链接:https://blog.csdn.net/atyzy/article/details/77905463

使用方法……这个很简单, 新建resize.py文件,复制上面代码,修改代码中这三个路径:

filename = os.listdir(“C:/Users/Administrator/stylegan/swift/”)    (这个就是需要修改的图片所在文件夹)

base_dir = “C:/Users/Administrator/stylegan/swift/”   (我也不晓得啥意思,反正上面一样就行了)

new_dir = “C:/Users/Administrator/stylegan/swift2/”   (新文件输出的路径位置)

这里要注意一点,文件路径要改为/斜杠而不是win路径的\,否则会爆出(unicode error) ‘unicodeescape’ codec can’t decode bytes in position 2-3: tr这个错误

或者你可以使用\\双斜杠来代替………………(大概因为我是小白才搞出这个错误吧……)

size_m = 128

size_n = 128

这个是尺寸,宽高像素……

然后照样在终端或者anaconda prompt中输入 python resize.py就可以运行了

使用python对文件夹内的照片进行批量重命名

原代码来自:https://www.jb51.net/article/156684.htm

找来找去终于看到一个能用的,简单修改好以后可以使用python3或者anaconda prompt进行批量文件名修改了……

使用方法很简单,

1.先使用随便一个代码编辑器,比如vs code,新建一个rename.py文件

2.将上面代码复制进去,修改 self.path = C:/Users/ThinkPad User/Desktop/weibo 这里的路径信息为你需要修改的文件夹信息……

3.保存

4.打开终端或者你的anaconda prompt 输入cd C:/Users/ThinkPad User/Desktop/weibo (这里是打开你的rename.py所在文件夹的路径)

5.终端或者你的anaconda prompt 中输入python rename.py 

6.等待批量修改完成

非洲国家2018年GDP排行榜

图片来源:https://www.imf.org/external/datamapper/NGDPD@WEO/SSQ/NAQ/AFQ

撒哈拉以南非洲的增长率预计为2018年的2.3%,低于2017年的2.5%。经济增长率连续第四年低于人口增长率,虽然预计2019年区域增长率将回升至2.8%,但自2015年以来仍低于3%。

2018年整体增长低于预期反映了全球持续增长 不确定,但越来越多地来自国内宏观经济不稳定,包括管理不善的债务,通货膨胀和赤字; 政治和监管不确定性; 和脆弱是对一些非洲经济体产生明显的负面影响。这也掩盖了几个继续稳步增长的小型经济体的强劲表现。

在尼日利亚,2018年增长率达到1.9%,高于2017年的0.8%,反映了非石油经济的温和回升。南非在2018年第三季度走出衰退,但由于政策的不确定性阻碍了投资,因此全年增长率为0.8%。安哥拉,该地区的第三大 由于石油产量持续疲软,经济继续陷入衰退,增长急剧下降。

在刚果民主共和国和尼日尔等一些资源密集型国家,由于农业生产和基础设施的公共投资反弹,矿业生产和商品价格上涨,活动增加,增长有所回升。在其他国家,如利比里亚和赞比亚,增长受到抑制,因为高通胀和高债务水平继续拖累投资者情绪。在中非经济和货币共同体,随着一些国家减少财政和外部失衡的改革努力放缓,脆弱的复苏仍在继续。

肯尼亚,卢旺达,乌干达等非资源密集型经济体以及包括贝宁和科特迪瓦在内的西非经济和货币联盟的若干经济体在2018年取得了稳固的经济增长。

但是,仍然存在许多挑战。公共债务水平和债务风险正在上升,这可能会危及一些国家的债务可持续性; 良好工作的提供并没有跟上劳动力进入者的数量; 脆弱性使次大陆每年的增长率降低了一半; 和 贫困现象很普遍。虽然预计2019年的增长将会增加,但仍不足以显着减少贫困。预计国际贫困线的贫困人口总数(2011年购买力平价每天1.90美元)将略有下降。

来源:世界银行 The World Bank In Africa

关于《上海堡垒》电影的一点个人评价

关于《上海堡垒》电影的一点个人评价

内含剧透

现在大家都清楚了,豆瓣评分3.5分,猫眼评分6.8,我是提前知道这个评分的,但依旧是去看了,只为给这过去的十年一个交代吧。

十年前,从刘慈欣的《三体》开始,曾经疯狂的看遍了国内外几乎所有知名科幻作品,但到今天印象最为深刻的还是这本《上海堡垒》。里面人物形象之丰满,故事情节之神奇,今天都记忆犹新。我从没想到科幻小说中能出现《帝国时代2》,能有《SUPER STAR》手机铃声,那个唱着王心凌《第一次爱的人》的路依依是那么的顽皮可爱,江洋和林澜之间能有那样意料之外的情感纠葛。这部电影对我的人生观是有一定影响的,个人当年写的第二部的科幻小说中,也是受《上海堡垒》影响,以这样欢快的剧情写出来的。

联通出现 “您好,您已启用呼叫限制,请解除后再拨”的问题解决办法

今天发现一个蛋疼的问题,就是自己的手机出现打不进来电话的问题,任何人打我电话都是“您好,您已启用呼叫限制,请解除后再拨”然后就挂断了。但是我手机上网和打别人电话都是正常的,问题是最近出现的,简直莫名其妙= = 寻思问题出现了吧,就赶紧解决,检查手机发现自己的呼叫限制功能是关闭的。拔下SIM卡换了两台……

简单测评一根ALC4042的TYPEC-USB DAC线

相对于乐视普通模拟线,声音从非常松散到感觉被控制了,声场扩大了一些,解析明显是高了,可以听到人生的一些细节。低频相对来说更加有弹性一些,之前鼓声都是噗噗的声音,现在有弹性一些,背景的乐器相对来说也是清晰了…… 总结来说个人没试过肠线,MU1之类的,所以评价来说,感觉就是值回票价,但是也就是五十块钱的东西,胜在兼容性好,免驱,可以调节音量,听不到底噪,它可以把百元多的耳机发挥到正常的音质水准,但是更高一些大概还需要更好的产品来搭配吧~

工业设计专业介绍

2019工业设计专业介绍 欢迎大家来到工业设计吧,高考已经结束,预祝大家取得好成绩。 如果你觉得自己不甘平凡,如果你从小动手能力很强,如果你希望将自己梦想的产品变为现实,不妨考虑一下工业设计专业。 成为设计师是一条任重而道远的路,你准备好踏上征程了吗? 工业设计吧为同学们带来本专业的介绍帖,希望能在大家选择专业的时候起到一定帮助。

【Unreal Engine 虚幻引擎 4】 actor蓝图中碰撞触发左右自动门的蓝图实现

ps:这个是实现VR中的自动门自动开合效果的蓝图介绍

效果如图所示,其实就是用一个碰撞体,两个开合的门,在actor蓝图中实现VR 使用者靠近自动门,自动门被碰撞体触发实现左右移动。注意一点,VR中的头盔貌似是不代表人的,反而是手柄会和box collision实现触发效果。

下面介绍一下这种碰撞体触发的左右开闭的自动门效果的实现方式:

基于Grad-CAM的CNN卷积神经网络卷积层权重可视化方式

运行环境:WIN10  tensorflow1.3.1  CUDA10 python3.7 Keras Numpy matplotlib OpenCV

原程序来自于github:https://github.com/himanshurawlani/convnet-interpretability-keras

作者的文章blog https://towardsdatascience.com/visual-interpretability-for-convolutional-neural-networks-2453856210ce

实现效果:卷积核可视化、热区图、中间激活层可视化、反卷积可视化

主要作用其实就是把卷积神经网络中的权重激活可视化的展现出来,最初提出具体请看这一篇论文

Grad-CAM: Visual Explanations from Deep Networks via Gradient-based Localization     https://arxiv.org/abs/1610.02391

请教了一下计算机的同学,意思大概是Grad-CAM模型的优势在于不需要重新进行训练,在输出的时候不影响其权重的传递,不改变模型结构,可以直接输出。至于为什么用这一套代码,第一有注释非常清晰……第二我去找了原来论文的代码,不是基于tensorflow环境下的……不好运行,还有一些老的代码(16、17年左右的)在新环境下跑不出来总是报错,其他的一些代码也是需要caffe之类的,这个只需要tensorflow下的一些就可以。这个轮子非常好用!