サイトマップ サイト内検索 まとめ

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

Python 3.7，Git のインストール（Windows 上）

Pythonは，プログラミング言語の１つ． Gitは，分散型のバージョン管理システム．

【手順】

  1. Windows で，管理者権限でコマンドプロンプトを起動（手順：Windowsキーまたはスタートメニュー > cmd と入力 > 右クリック > 「管理者として実行」）。

    次のコマンドを実行

    次のコマンドは，Python ランチャーとPython 3.7とGitをインストールし，Gitにパスを通すものである．

    次のコマンドでインストールされるGitは 「git for Windows」と呼ばれるものであり， Git，MinGW などから構成されている． 

    winget install --scope machine Python.Launcher
winget install --scope machine Python.Python.3.7
winget install --scope machine Git.Git
powershell -command "$oldpath = [System.Environment]::GetEnvironmentVariable(\"Path\", \"Machine\"); $oldpath += \";c:\Program Files\Git\cmd\"; [System.Environment]::SetEnvironmentVariable(\"Path\", $oldpath, \"Machine\")"

【関連する外部ページ】

【サイト内の関連ページ】

【関連項目】 Python, Git バージョン管理システム, Git の利用

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 

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を管理者として実行．
  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 /d c:%HOMEPATH%
rmdir /s /q DCGAN-tensorflow

    git clone https://github.com/carpedm20/DCGAN-tensorflow
  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
      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
      4. メニューで「Download」を選ぶ
      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
      6. ダウンロードが始まるので確認する．
      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．

      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-tensorflow の下の data の下の celebA の下

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 /d c:%HOMEPATH%\DCGAN-tensorflow
python 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

    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．

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

Windows を使用する場合は，次のように操作する．

  1. 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
  2. 学習の終了の確認
  3. 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

  4. dcgan の機能を動かしてみる 
    python main.py --dataset mnist --input_height=28 --output_height=28
  5. samples の下に結果があるので確認