鱗目界域-龍論壇

 第一次看到肥龍竟然發萌圖了！果然萌萌的小天線把肥龍也萌化了嗎！

 其實我覺得短手短腳感覺特別萌……

有那個迷你史矛革躺金幣上圖裝（超兇）的感覺

Dragon Rarity 

圖片出處 http://www.furaffinity.net/view/29812118/

其實不用那麼麻煩...你可以直接在那個目錄檔案總管上面的路徑欄裡面打cmd他就會開啟小黑窗並自動導向到那個路徑了

請容許我吐槽一下這個叫指令不是程式碼
就這個來說程式碼是指pyhton source file 裡面的 code....
還有以programmer的角度來看 從github下載zip是非常不健康的行為

雖然只是call別人的library感覺沒啥意思 不過改天有機會再來玩看看好了 

安裝好TensorFlow，而且裁切好訓練用圖片後，就可以開始用pix2pix進行學習了

以下分享我的操作步驟

1. 下載pix2pix.py
1-1 到這個網址 
https://github.com/affinelayer/pix2pix-tensorflow
1-2 按「Clone or download」
1-3 按「Download ZIP」

2. 解壓縮ZIP
2-1 將下載好的pix2pix-tensorflow-master.zip 解壓縮
2-2 裡面的pix2pix.py 是我們需要的

3. 設定資料夾名稱和結構
3-1 我的作法，在D磁碟中新增pix2pix資料夾
3-2 在pix2pix資料夾中，新增input_train、input_val、output_train、output_val 四個資料夾
備註：val是validation(驗證)的簡稱

4. 複製檔案
4-1 將pix2pix.py複製到pix2pix資料夾中
4-2 將訓練用的圖片放到input_train中
4-3 將驗證用圖片放到input_val中

5. 開啟命令提示字元(cmd)
5-1 按windows鍵+R，開啟執行視窗
5-2 輸入cmd，按確定

6. 執行pix2pix.py
6-1 切換到D磁碟，輸入

D:

6-2 切換到pix2pix資料夾 輸入 

cd pix2pix

6-3 執行pix2pix.py，輸入

python pix2pix.py   --mode train   --output_dir output_train   --max_epochs 70   --input_dir input_train   --lab_colorization

備註：指令中的輸入、輸出資料夾名稱要和上面設定的相符。max_epochs 70 我看有人設200，聽說圖片樣本少可以設200，圖片樣本多可以低一些。

成功執行的話，CPU和GPU都會飆高(以tensorflow-gpu版本來說)

7. 檢視訓練進度
7-1 按windows鍵+R，輸入cmd，按確定，再開啟一個cmd。這不會中斷正在進行訓練的cmd。
7-2 切換到pix2pix資料夾。
輸入

D:

 
輸入

cd pix2pix

7-3 啟動tensorboard。 

tensorboard --logdir output_train

備註：tensorboard 是 TensorFlow提供的視覺化工具，可以方便的觀察loss的變化

7-4 啟動瀏覽器，網址輸入
http://localhost:6006
7-5 scalars 分頁，可以看到loss曲線
7-6 images分頁，可以看到訓練過程中，圖片被上色的樣子

8. 訓練完成後，用圖片進行驗證
8-1 按windows鍵+R，輸入cmd，按確定，開啟一個cmd。
8-2 切換到pix2pix資料夾。
輸入

D:

 
輸入

cd pix2pix

8-3 驗證圖片指令為：

python pix2pix.py  --mode test   --output_dir output_val   --input_dir input_val   --checkpoint output_train

8-4 之後output_val會出現圖片資料夾和一個html網頁，我之前分享的html就是這樣來的，我覺得這種網頁格式蠻方便分享的。

----------
附錄1、第7步驟的圖片

最后修改： 龍爪翻書 (2019-01-01 21:27:35)

似乎是的，訓練用圖片各種顏色都有，但我沒統計暖色系比例    

第二次訓練完成

我先解釋一下第二次的訓練用圖片和第一次的差別

首先，這個深度學習的程式只接受256*256畫素的正方形圖片

第一次訓練時，我將長邊切掉，像這樣：

第二次訓練時，我在短邊補上黑色，像這樣：

我發幾張讓大家看看這一次的訓練結果，詳細結果請點下方我的小網站的連結

輸入圖

輸出圖

原始圖

看樣子，灰階圖沒畫好的部分，電腦上色也會不好   

輸入圖

輸出圖

原始圖

最讓我驚喜的是這一張，上色結果非常接近原圖   

輸入圖

輸出圖

原始圖

驗證用圖片我不是從訓練用圖片中抓的，是另外下載的

因為這一張，我還特地略看了整組訓練用圖片，應該是沒有這一張

所以這真的是AI學習的結果，真是太神奇了     

下次訓練，將圖片增加到10萬張以上吧     

附上目前的三次訓練結果

1. 訓練圖切掉長邊，訓練到70 (max_epochs = 70)
https://www.leisurelywing.synology.me/tensorflow/pix2pix/20181224/

2. 訓練圖短邊補黑色，訓練到13時意外中斷 (epochs = 12)
https://www.leisurelywing.synology.me/tensorflow/pix2pix/20181230/

3. 訓練圖短邊補黑色，訓練到70 (max_epochs = 70)
https://www.leisurelywing.synology.me/tensorflow/pix2pix/20181231/

這一次我也學會叫出訓練曲線來看

雖然這曲線我看不大懂，但上下幅度很大，深色線條是取平均、平滑後的結果

我猜上下幅度大，代表AI還沒找出很好的規律

這一次的訓練用龍圖，可能風格太散，每一張對電腦來說都是特例的話，畫風很難找出規律

下次訓練時，相同風格的多弄幾張好了   

今天下午嘗試用我的主力電腦對同樣的3000多張龍圖進行訓練

顯示卡是1070ti，預計時間約380分鐘，跟之前相比快了好多倍

i7 9700K，預計3000多分鐘

GTX 750ti，預計1300多分鐘

執行到第13輪訓練時，我想說網路上說訓練過程中，隨時可以進行驗證，我就試試看

然後記憶體不足(我有16G)，驗證和訓練的工作階段都掛了     

後來我測試，只驗證256*256的一張圖，居然GPU瞬間100%，CPU瞬間約20%，顯卡記憶體使用約6G

看樣子驗證圖片也需要大量的運算資源        

暫停tensorflow訓練有一定的步驟，我也不知道我這樣能不能繼續從13輪開始訓練

不過倒是得到一個只訓練13輪的AI，我將驗證圖發過來給大家看看  (作為對比，我上面4樓的圖，是訓練70輪的AI)

補充說明：
因為訓練只接受256*256大小的圖片，之前的訓練是將長邊切掉變成正方形，
這一次的訓練則是將短邊補上黑色變成正方形，所以嚴格意義來說這次的驗證結果跟上次的驗證結果不能直接比較。

(這個13輪AI倒是很給面子，將我的臨摹圖上了不少顏色 XD)

最后修改： 龍爪翻書 (2018-12-30 18:41:43)

影子超帥 

我的設定沒加入任何擬人元素，所以沒有「表情」，因此看起來就很兇惡了  

表達心情靠舉牌子

送給影汁的（生日新年聖誕）賀圖+年末總結 （全都一起了超懶   

第三部收入很高嗎？

彙總一些情報