トップページ ▶ 人工知能，実世界DB ▶ GAN の応用例 ▶ DCGANの例、carpedm20/DCGAN-tensorflow を使い，新しい顔を生成してみる
サイトマップ サイト内検索 まとめ アクセスログ

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

全体構成 情報工学を学ぶ インストール，使い方 人工知能，実世界DB データ処理 プログラム例とヒント 支援 連絡先，業績など

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

Visual Studio Community 2017 のインストール

NVIDIA CUDA 10.0 は Visual Studio Commnity 2017, 2015, 2013, 2012 と連携して動く機能がある．

NVIDIA CUDA 10.0 のインストールの前に， Visual Studio Commnity 2017 のインストールを行う．

Visual Studio Commnity 2017 のインストールは， https://visualstudio.microsoft.com/ja/vs/older-downloads/ で「2017」を選び，「ダウンロード」をクリック． その後表示されるダウンロードの画面で， 「Visual Studio Commnity 2017」を選ぶ．

Git のインストール

Git のページ https://git-scm.com/ からダウンロードしてインストール:

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

GPU は，グラフィックス・プロセッシング・ユニットの略で、コンピュータグラフィックス関連の機能，乗算や加算の並列処理の機能などがある． NVIDIA CUDA ツールキット は，NVIDIA社が提供している GPU 用のプラットフォームである．

インストールの詳細説明

Windows での 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: 別ページで説明している．

NVIDIA ドライバのインストール

インストールの要点

インストールの詳細説明

NVIDIA CUDA ツールキット 10.0, NVIDIA cuDNN 7.6.5 のインストール

インストールの詳細説明

Windows での 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: 別ページで説明している．

インストールの要点

Python 3.7 64 ビット版のインストール，pip と setuptools の更新

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

インストールの詳細説明

https://www.kkaneko.jp/tools/win/python37.html

インストールでの注意点

インストール手順

Windows での Python 3.7 のインストール（あとのトラブルが起きにくいような手順を定めている）

  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」を選んでおいたほうが，複数人で使えて便利という考え方もある．

      そして，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．

    py とpip に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．

② pip と setuptools の更新（Windows 上）

  1. Windows で，コマンドプロンプトを管理者として実行

    Windows で pip を実行するときは，コマンドプロンプトを管理者として実行し，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: 別ページで説明している．

  2. 次のコマンドを実行 

    py -3.7 -m pip install -U pip setuptools

pip は，次のコマンドで起動できる．

TensorFlow 1.15.5, Keras 2.3.1 のインストール

コマンドプロンプトを管理者として実行し，次のコマンドを実行 

py -3.7 -m pip uninstall -y tensorflow tensorflow-cpu tensorflow-gpu tensorflow-text 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
py -3.7 -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
py -3.7 -m pip install git+https://github.com/tensorflow/docs
py -3.7 -m pip install git+https://github.com/tensorflow/examples.git
py -3.7 -m pip install git+https://www.github.com/keras-team/keras-contrib.git

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を管理者として実行する．

    [image]
  2. 作業用に c:\do.bat というファイルを作る．

    まず，メモ帳を開く（メモ帳以外のエディタでも問題ない） 

    notepad c:\do.bat

    [image]

    次のように編集する． 

    sed -i "s/import tensorflow as tf/import tensorflow.compat.v1 as tf/g"
sed -i "s/from tensorflow import/from tensorflow.compat.v1 import"
sed -i "s/from keras import/from tensorflow.compat.v1.keras import"
  3. その他 Python パッケージのインストール 

    py -3.7 -m pip install -U numpy==1.16.2 requests tqdm opencv-python imageio moviepy
  4. Pillow (PIL fork by Alex Clark and Contributors) のインストール

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

    マイクロソフト C++ ビルドツール (Build Tools) がインストール済みであるとして手順を示す 

    cd %HOMEPATH%
git clone https://github.com/python-pillow/Pillow
cd Pillow
py -3.7 setup.py build_ext --disable-zlib --disable-jpeg install
py -3.7 -m pip install pillow==6 --global-option="build_ext" --global-option="--disable-jpeg" --global-option="--disable-zlib"
  5. 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]
  6. 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． 

      mkdir %HOMEPATH%\DCGAN-tensorflow\data
mkdir %HOMEPATH%\DCGAN-tensorflow\data\celebA
    2. http://mmlab.ie.cuhk.edu.hk/projects/CelebA.html を開く
    3. 「Google Drive」をクリック
    4. 「Img」をクリック
    5. img_align_celeba.zip をダウンロード
    6. zip ファイルを展開し %HOMEPATH%\DCGAN-tensorflow\data\celebA の下に置く

    時間がかかるので待つ．

  7. 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-tensorflow の下の data の下の CelebA の下

    [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． 

    cd %HOMEPATH%\DCGAN-tensorflow
py -3.7 main.py --dataset celebA --input_height=108 --train --crop
  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

    端末で，次のコマンドを実行． 

    tensorborard --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 
    py -3.7 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． 

    py -3.7 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

    端末で，次のコマンドを実行． 

    tensorborard --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 
    py -3.7 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]

本サイトは金子邦彦研究室のWebページである．

資料等の公開では，原則，「クリエイティブコモンズ BY NC SA」として公開するようにしている． PDFファイル，パワーポイントファイルなどには， 「クリエイティブコモンズ BY NC SA」を明記するとともに，ロゴを記載するようにしている（作業が間に合っていない分もあるのでご容赦ください）．

公開している資料をご利用になる場合の，再配布の条件，剽窃の防止などについて，別ページで説明している． 再配布や資料改変の際には，そのページをご確認ください．

サイトマップは，サイトマップのページをご覧下さい． 本サイト内の検索は，サイト内検索のページをご利用下さい．

問い合わせ先： 金子邦彦（かねこ くにひこ） [image]