带你读AI论文丨ACGAN-动漫头像生成( 二 ) _生活百科

文章插图
2.代码移植ModelArts2.1 ModelArts简介ModelArts是面向AI开发者的一站式开发平台，提供海量数据预处理及半自动化标注、大规模分布式训练、自动化模型生成及端-边-云模型按需部署能力，帮助用户快速创建和部署模型，管理全周期AI工作流。
“一站式”是指AI开发的各个环节，包括数据处理、模型训练、模型部署都可以在ModelArts上完成。从技术上看，ModelArts底层支持各种异构计算资源，开发者可以根据需要灵活选择使用，而不需要关心底层的技术。同时， ModelArts支持Tensorflow、PyTorch、MindSpore等主流开源的AI开发框架，也支持开发者使用自研的算法框架，匹配用户的使用习惯。
ModelArts的理念就是让AI开发变得更简单、更方便。面向不同经验的AI开发者，提供便捷易用的使用流程。例如：

面向业务开发者，不需关注模型或编码，可使用自动学习流程快速构建AI应用；
面向AI初学者，不需关注模型开发，使用预置算法构建AI应用；
面向AI工程师，提供多种开发环境，多种操作流程和模式，方便开发者编码扩展，快速构建模型及应用。

2.1.1 ModelArts特点? 自动学习；
? 数据管理；
? 开发环境；
? 算法、训练、模型、部署。

文章插图
2.1.2 Notebook开发环境

文章插图
2.2 ACGAN-动漫头像生成使用的数据集64*64的动漫头像，共36740张。
数据可以存放在对象存储服务(Object Storage Service, OBS) 。

文章插图
2.3 代码讲解2.3.1输入

文章插图
2.3.2判别器

文章插图

文章插图
2.3.3生成器

文章插图
2.3.4 PixelShuffle主要实现了这样的功能：N*(C* r* r)*W*H——>>N*C*(H*r)*(W*r) 。

文章插图
2.3.5损失函数

文章插图
2.3.6优化器

文章插图
2.3.7训练

文章插图
2.3.8模型预测

文章插图
2.4查看效果

文章插图
2.5后期优化方向

文章插图
2.6参考网址/体验网址参考网址：
https://blog.csdn.net/forlogen/article/details/93852960
https://blog.csdn.net/qq_24477135/article/details/85758496
https://www.cnblogs.com/punkcure/p/7873566.html
https://www.zjusct.io/2019/06/16/Animation%20Avatar%20Generation/
https://blog.csdn.net/u014636245/article/details/98071626
体验网址：
GitHub网址: https://github.com/makegirlsmoe/makegirlsmoe_web
在线体验: https://make.girls.moe/#/
3.总结ACGAN-动漫头像生成是一个十分优秀的开源项目，针对已有的动漫人物头像生成方法中生成结果的多样性较差,且难以准确地按照用户想法按类生成或按局部细节生成的问题,基于含辅助分类器的对抗生成网络(ACGAN),结合互信息理论、多尺度判别等方法，最终用于动漫人物头像的生成。
此项目在生成图像的过程中使得生成的图像更接近于样本集，这样在显得更真实的同时又不发生模式崩塌；但是如何人为定义连续标签以控制细节，而不是通过模型自学习产生仍是值得继续研究的问题。