Prisma实践篇:甩掉水印logo,自定义Prisma技能get√

引子:如果你看了我之前的那篇文章“火遍朋友圈的修图工具Prisma的背后是什么?”,可能觉得那不过是一堆枯燥无聊的理论。那么接下来这篇文章,绝对不会再让你停留在理论上。因为我会带你“Prisma 技能get√ ”



上文我说,要玩Prisma背后的深度神经网络,“你需要安装一堆lua,torch,caffe,cuda之类的玩意儿”,而其实这些东西的安装也并不困难。这里面,cuda以及nvida gpu driver并不是必须的,而且根据经验,好像gpu真的还跑得更慢一点(题外话:这个问题之前跟同事聊起过,我们自己的项目也遇到cpu跑得比gpu快的情况,但是由于并不是超大规模data,所以就没有细究。简单来说,单个数值运算gpu是跑不过cpu的。)

如果你在我的微信公众号后台回复关键词prisma,那么恭喜你已经获得参考链接,就能找到英文教程,这里就当我做些翻译并加部分说明,以避免想动手实践的各位绕弯路。

安装环境:ubuntu 14.04以上即可,mac os没有亲测,如果有bug,欢迎交流探讨debug

Tips: 建议在电脑端用url打开本文,更方便实际操作。

第一步:安装torch

curl -s https://raw.githubusercontent.com/torch/ezinstall/master/install-deps | bash

git clone https://github.com/torch/distro.git ~/torch --recursive

cd ~/torch; ./install.sh

source ~/.bashrc

Tips:安装请等待一段时间。最后一行不要忘记。torch安装结束自动在你的.bashrc里做好了必要的环境设置,但仍要手动更新.bashrc文件,不然就bug咯。

第二步:安装loadcaffe

这个是torch下的caffe。不知道caffe是什么?也许你听说过tensorflow,它们都是深度学习最为流行并好使的包。caffe比tensorflow更简单在基本不用写多少代码,所有的网络结构都是json表示,比如像这样:

layers {

        bottom: "conv1_1"

        top: "conv1_1"

        name: "relu1_1"

        type: RELU

}

在此之前,你需要安装一些dependency。而在github上未注明的一个大坑是,gcc和g++的版本必须一致,并在在5.0以上。这个坑我替你踩了。

Tips:请直接用gcc --version和g++ --version查看自己的版本

sudo apt-get install libprotobuf-dev protobuf-compiler

luarocks install loadcaffe

第三步:下载代码和预设模型

cd ~/git clone https://github.com/jcjohnson/neural-style.git

cd neural-style

sh models/download_models.sh

第四步:测试

如果你的电脑没有gpu,那么就在cpu模式下测试

th neural_style.lua -gpu -1 -print_iter 1

其实跑的还是有点慢的,就如prisma这个app我的个人体验延时也很高,而且它严重吃memory,如果不用gpu,电脑此时可能干不了别的事啦。小心使用,别把电脑搞崩咯~

第五步:完成

接下来,运行主程序neural_style.lua 即可!

th neural_style.lua -style_image <image.jpg> -content_image <image.jpg>

运行过程

设置每迭代100步有一个运行结果输出,下图分别是100步,300步,700步和最终1000步的结果:


Tips:如果你有gpu,可以使用参数 -backend cudnn。至于安装nvidia的驱动,下载cuda和cudnn这些我就当你会啦,或者私下交流。你还可以使用神经网络优化的一些算法比如 adam,使用参数 -optimizer adam。更多参数选择就参考github上的文档吧。

效果总结

使用adam可以减少memory的开销,也能跑的更快,但是使用体验发现效果比较粗糙。上图最上是adam效果,中间是lbfgs效果,最下是prisma官方效果。如果你读了上篇文章,就能约摸发现content与style之间的trade-off不够完善。显然,官方的效果经过了其他处理,或者使用的模型也有更多优化。不过至少logo去掉啦!

这毕竟是速成的结果。所以,下一步呢,咱找个天使,弄几台服务器,去Nvidia买几块GPU,拉3个小伙伴,一个写ios或Android,一个做运营,一个优化算法,是不是一家startup就开起来啦~~

哈,说是容易其实也没那么轻松。最后送大家一句我很喜欢的话,也忘了是哪里听来的或者我自己做了修改—— Idea is cheap, evil lives in details!

—— END ——

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 203,271评论 5 476
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 85,275评论 2 380
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 150,151评论 0 336
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,550评论 1 273
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,553评论 5 365
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,559评论 1 281
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 37,924评论 3 395
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,580评论 0 257
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 40,826评论 1 297
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,578评论 2 320
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,661评论 1 329
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,363评论 4 318
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 38,940评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,926评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,156评论 1 259
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 42,872评论 2 349
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,391评论 2 342

推荐阅读更多精彩内容