目次
ESRGANで学習してみました。
学習には、『Google Colaboratory』を使用して、
学習モデルをPC環境で実装し、超解像生成してみました。
コードは、『GANディープラーニング実装ハンドブック』を参考にしました。
学習:Google Colaboratory
生成:Windows 10 ( Jupyter Notebook )
GANディープラーニング実装ハンドブック [ 毛利拓也 ] 価格:3850円(税込、送料無料) (2021/4/2時点)楽天で購入 |
『GANディープラーニング実装ハンドブック』を参考に、
『Google Colaboratory』のサンプルコードを使いました。
サンプルコードは、ネット上に出ています。
https://www.shuwasystem.co.jp/support/7980html/6229.html#1
10000枚程の顔の画像(これは自分で準備しました)を使って、
コードのデフォルト条件で学習をしました。
『Google Colaboratory Pro』で、GPU『V-100』使用して、
大体24時間くらいかかりました。
『Google Colaboratory』で用いたコードを改変して、
PCの『Jupyter Notebook』に実装しました。
モジュール環境条件は、前回の『ESRGAN:実装方法』と同じです。
参考:『ESRGAN:実装方法』
コードには、『Pytorch』の『DataLoader』が使われており、
並列処理をする箇所がありますが、
Jupyte Notebookで実装するのが手間だったので、
『num_workers=0』にして行いました。
『Google Colaboratory』で作成した学習モデル『generator_00***000.pth』をダウンロードして使用しました。
コードは、元となる画像から低解像度画像をつくり、
これをESRGANで超解像画像を生成します。
元画像は、『LightWeight-GAN』で生成した画像を用いてます。
左:低解像度画像、右:生成画像