金子邦彦研究室人工知能Windows で動く人工知能関係 Pythonアプリケーション,オープンソースソフトウエア)DCGANの例、carpedm20/DCGAN-tensorflow を使い,新しい顔を生成してみる

DCGANの例、carpedm20/DCGAN-tensorflow を使い,新しい顔を生成してみる

carpedm20/DCGAN-tensorflow は,GitHub で公開されているソフトウェアで, Age Progression/Regression by Conditional Adversarial Autoencoder (DCGAN) を 実装したもの.

手順の要点: 前準備として,NVIDIA CUDA 10.0, NVIDIA cuDNN 7.6.5, Python 3.7, TensorFlow 1.15.5 等をインストール.

ソフトウェア等の利用条件等は,利用者で確認すること.

謝辞:ソフトウェアの作者に感謝します.

DCGAN (Deep Convolutional Generative Adversarial Networks) の参考文献情報: https://arxiv.org/abs/1511.06434

GitHub の carpedm20/DCGAN-tensorflow の Webページ: https://github.com/carpedm20/DCGAN-tensorflow

前準備

Git のインストール(Windows 上)

Gitは,バージョン管理システム.ソースコードの管理や複数人での共同に役立つ.

サイト内の関連ページ

Windows での Git のインストール: 別ページ »で説明している.

関連する外部ページ

Git の公式ページ: https://git-scm.com/

Python 3.7 64 ビット版のインストール,pip と setuptools の更新,Python 開発環境のインストール(Windows 上)

① Python 3.7 64 ビット版のインストール(Windows 上)

Python のインストールでの注意点

Python 3.7 のインストール手順の詳細(別ページ)

Windows での Python 3.7 のインストール: 別ページ »で説明している.

Python の公式ページ

https://www.python.org/

インストール手順の概要

  1. Python の URL を開く

    URL: https://www.python.org

  2. Windows 版の Python 3.7 をダウンロード

    ページの上の方にある「Downloads」をクリック,「Downloads」の下にメニューが出るので,その中の「Windows」をクリック.

    そして,Python 3.7.x (x は数字)を探す.

    そして,Windows の 64ビット版のインストーラをダウンロードしたいので,「Windows x86-64 executable installer」を選ぶ

    [image]
  3. インストール時の設定
    1. いまダウンロードした .exe ファイルを右クリック, 右クリックメニューで「管理者として実行」を選ぶ.

      [image]
    2. Python ランチャーをインストールするために,「Install launcher for all users (recommended)」をチェック.

      ※ すでに Python ランチャーをインストール済みのときは, 「Install launcher for all users (recommended)」がチェックできないようになっている場合がある.そのときは,チェックせずに進む.

    3. Add Python 3.7 to PATH」をチェック.

      [image]
    4. Customize installation」をクリック.

      [image]
    5. オプションの機能 (Optional Features)は,既定(デフォルト)のままでよい. 「Next」をクリック

      [image]
    6. Install for all users」を選ぶ.

      Python のインストールディレクトリは,「C:\Program Files\Python37」のように自動設定されることを確認.

      Install」をクリック

      [image]
    7. Disable path length limit」が表示される場合がある.クリックして,パス長の制限を解除する

      [image]
    8. インストールが終了したら,「Close」をクリック
  4. インストールのあと,Windows のスタートメニューに「Python 3.7」が増えていることを確認.
  5. システムの環境変数 Path の確認のため,新しくコマンドプロンプトを開き,次のコマンドを実行する.

    pypipパスが通っていることの確認である.

    where py
    where pip
    

    where py では「C:\Windows\py.exe」 が表示され, where pip では「C:\Program Files\Python37\Scripts\pip.exe」 が表示されることを確認.

    [image]

② pip と setuptools の更新(Windows 上)

  1. Windows で,コマンドプロンプト管理者として実行

    Windowspip を実行するときは,コマンドプロンプト管理者として開き,それを使って pip を実行することにする.

    コマンドプロンプトを管理者として実行: 別ページ »で説明

  2. 次のコマンドを実行する

    Python の使用は「py -3.7」で行う.

    py -3.7 -m pip install -U pip setuptools
    

    [image]

③ Python 開発環境として,Python の隔離された環境に,Python コンソール(Jupyter Qt Console), Jupyter ノートブック (Jupyter Notebook), Jupyter Lab, Nteract をインストール

  1. Windows で,コマンドプロンプト管理者として実行

    コマンドプロンプトを管理者として実行: 別ページ »で説明

  2. venv を用いて,Python の仮想環境を作成

    次のコマンドを実行する

    py -3.7 -m pip install -U pip setuptools
    py -3.7 -m venv C:\venv\py37
    
  3. Python の仮想環境の使用開始と,Python 開発環境のインストール

    次のコマンドを実行する

    Python の使用は「C:\venv\py37\Scripts\activate.bat」の後,「python」で行う.

    C:\venv\py37\Scripts\activate.bat
    python -m pip install -U pip setuptools jupyterlab jupyter jupyter-console jupytext nteract_on_jupyter
    

Visual Studio Community 2017,NVIDIA ドライバ,NVIDIA CUDA ツールキット 10.0,NVIDIA cuDNN 7.6.5 のインストール(Windows 上)

Windows での Visual Studio Community 2017,NVIDIA ドライバNVIDIA CUDA ツールキット 10.0NVIDIA cuDNN 7.6.5 のインストール: 別ページ »で説明している.

TensorFlow 1.15.5, Keras 2.3.1 のインストール

コマンドプロンプト管理者として実行し,次のコマンドを実行

C:\venv\py37\Scripts\activate.bat
python -m pip uninstall -y tensorflow tensorflow-cpu tensorflow-gpu tensorflow-intel tensorflow-text tensorflow-estimator tf-models-official tf_slim tensorflow_datasets tensorflow-hub keras keras-tuner keras-visualizer scipy pandas matplotlib
# TensorFlow 1.15.5 のため numpy, protobuf の古いバージョンを使用.エラーが出にくいと考えられる numpy 1.16.2, protobuf 3.19.4 を使用
python -m pip install -U numpy==1.16.2 protobuf==3.19.4 tensorflow-gpu==1.15.5 keras==2.3.1 scipy==1.5.4

プログラムのダウンロードと展開(解凍),celebA データセットのダウンロードと展開(解凍)

GitHub の carpedm20/DCGAN-tensorflow の配布サイト(https://github.com/carpedm20/DCGAN-tensorflow)で公開されている プログラムを,ダウンロードし展開(解凍)する.

Windows での手順を下に示す.Ubuntu でも同様の手順になる.

  1. Windows で,コマンドプロンプト管理者として実行
  2. その他 Python パッケージのインストール

    C:\venv\py37\Scripts\activate.bat
    python -m pip install -U numpy==1.16.2 pillow==6.0.0 requests tqdm opencv-python opencv-contrib-python imageio matplotlib moviepy  
    
  3. carpedm20/DCGAN-tensorflow のダウンロード

    cd %HOMEPATH%
    rmdir /s /q DCGAN-tensorflow
    

    [image]

    git clone https://github.com/carpedm20/DCGAN-tensorflow
    

    [image]
  4. celebA データセットのダウンロード
    1. コマンドプロンプトで次のコマンドを実行する.

      mkdir %USERPROFILE%\DCGAN-tensorflow\data
      mkdir %USERPROFILE%\DCGAN-tensorflow\data\celebA
      
      1. Web ブラウザで次の URL を開く

        http://mmlab.ie.cuhk.edu.hk/projects/CelebA.html

      2. Google Drive」をクリック

        [image]
      3. 画面が変わる。「img」ディレクトリの下の「img_align_celeba.zip」を選んでみる

        [image]

        [image]
      4. メニューで「Download」を選ぶ

        [image]
      5. ダウンロードしたいので,「無視してダウンロード (DOWNLOAD ANYWAY)」をクリック

        [image]
      6. ダウンロードが始まるので確認する.

        [image]
      7. ダウンロードしたファイルを展開(解凍)する.

        Windows での展開(解凍)に便利な 7-Zip: 別ページ »で説明

      8. 展開(解凍)してできたディレクトリ img_align_celeba を確認する.

        img_align_celeba の下に、多数の顔画像ファイルがあることを確認する.

        [image]
      9. 顔画像ファイルを%HOMEPATH%\DCGAN-tensorflow\data\celebA の下に置く

    時間がかかるので待つ.

  5. celebA データセットの確認

    Windows での手順を下に示す.Ubuntu でも同様の手順になる.

    %HOMEPATH%\DCGAN-tensorflowdatacelebA

    [image]

celebA データセットを使って動かしてみる

Windows での手順を下に示す.Ubuntu でも同様の手順になる.

  1. Windows で,コマンドプロンプトを実行.
  2. celebA データセットを用いて学習

    時間がかかるので待つ.

    C:\venv\py37\Scripts\activate.bat
    cd %HOMEPATH%\DCGAN-tensorflow
    python main.py --dataset celebA --input_height=108 --train --crop
    

    [image]
  3. 学習の終了の確認
  4. tensorboard save/summary を使い、中間結果を確認できる

    次のコマンドを実行.

    tensorboard --logdir .
    

    Web ブラウザで http://localhost:6006 を開く

  5. dcgan の機能を動かしてみる
    python main.py --dataset celebA --input_height=108 --crop
    
  6. samples の下に結果があるので確認

MNIST データセットを使って動かしてみる

Windows での手順を下に示す.Ubuntu でも同様の手順になる.

  1. Windows では,コマンドプロンプトを実行.Ubuntu では端末を開く.

    Windows の場合

  2. MNIST データセットを用いて学習

    時間がかかるので待つ.

    python main.py --dataset mnist --input_height=28 --output_height=28 --train
    
  3. 学習の終了の確認

    [image]
  4. tensorboard save/summary を使い、中間結果を確認できる

    次のコマンドを実行.

    tensorboard --logdir .
    

    Web ブラウザで http://localhost:6006 を開く

    [image]
  5. dcgan の機能を動かしてみる
    python main.py --dataset mnist --input_height=28 --output_height=28
    

    [image]
  6. samples の下に結果があるので確認

    [image]