Dies ist die Windows-App namens Simple StyleGan2 für Pytorch, deren neueste Version als v1.8.9.zip heruntergeladen werden kann. Es kann online im kostenlosen Hosting-Anbieter OnWorks für Workstations betrieben werden.
Laden Sie diese App namens Simple StyleGan2 für Pytorch mit OnWorks kostenlos herunter und führen Sie sie online aus.
Befolgen Sie diese Anweisungen, um diese App auszuführen:
- 1. Diese Anwendung auf Ihren PC heruntergeladen.
- 2. Geben Sie in unserem Dateimanager https://www.onworks.net/myfiles.php?username=XXXXX den gewünschten Benutzernamen ein.
- 3. Laden Sie diese Anwendung in einem solchen Dateimanager hoch.
- 4. Starten Sie einen beliebigen OS OnWorks-Online-Emulator von dieser Website, aber einen besseren Windows-Online-Emulator.
- 5. Rufen Sie vom gerade gestarteten OnWorks Windows-Betriebssystem unseren Dateimanager https://www.onworks.net/myfiles.php?username=XXXXX mit dem gewünschten Benutzernamen auf.
- 6. Laden Sie die Anwendung herunter und installieren Sie sie.
- 7. Laden Sie Wine aus den Software-Repositorys Ihrer Linux-Distributionen herunter. Nach der Installation können Sie dann auf die App doppelklicken, um sie mit Wine auszuführen. Sie können auch PlayOnLinux ausprobieren, eine schicke Schnittstelle über Wine, die Ihnen bei der Installation beliebter Windows-Programme und -Spiele hilft.
Wine ist eine Möglichkeit, Windows-Software unter Linux auszuführen, jedoch ohne Windows. Wine ist eine Open-Source-Windows-Kompatibilitätsschicht, die Windows-Programme direkt auf jedem Linux-Desktop ausführen kann. Im Wesentlichen versucht Wine, genügend Windows von Grund auf neu zu implementieren, damit alle diese Windows-Anwendungen ausgeführt werden können, ohne dass Windows tatsächlich benötigt wird.
SCREENSHOTS
Ad
Einfaches StyleGan2 für Pytorch
BESCHREIBUNG
Einfache Pytorch-Implementierung von Stylegan2, die vollständig über die Befehlszeile trainiert werden kann, keine Codierung erforderlich. Sie benötigen einen Computer mit installierter GPU und CUDA. Sie können auch den Speicherort angeben, an dem Zwischenergebnisse und Modellprüfpunkte gespeichert werden sollen. Sie können die Netzwerkkapazität (standardmäßig 16) erhöhen, um die Generierungsergebnisse auf Kosten von mehr Speicher zu verbessern. Wenn das Training unterbrochen wird, wird es standardmäßig automatisch ab der letzten Checkpoint-Datei fortgesetzt. Sobald Sie das Training beendet haben, können Sie Bilder von Ihrem letzten Kontrollpunkt generieren. Wenn ein vorheriger Checkpoint einen besseren Generator enthielt (was oft passiert, wenn Generatoren gegen Ende des Trainings nachlassen), können Sie von einem vorherigen Checkpoint mit einem anderen Flag laden. Eine Technik, die sowohl in StyleGAN als auch in BigGAN verwendet wird, ist das Abschneiden der latenten Werte, sodass ihre Werte nahe am Mittelwert liegen. Je kleiner der Kürzungswert, desto besser erscheinen die Samples auf Kosten der Sample-Vielfalt.
Eigenschaften
- Multi-GPU-Training
- Geringe Mengen an Trainingsdaten
- Dieser Rahmen ermöglicht es Ihnen auch, den festgelegten Schichten des Diskriminators eine effiziente Form der Selbstaufmerksamkeit hinzuzufügen
- Je mehr GPU-Speicher Sie haben, desto größer und besser wird die Bilderzeugung
- Nvidia empfiehlt bis zu 16 GB für das Training von 1024 x 1024 Bildern
- Bereitstellung auf AWS
Programmiersprache
Python
Kategorien
Dies ist eine Anwendung, die auch von https://sourceforge.net/projects/simple-stylegan2-pyt.mirror/ abgerufen werden kann. Es wurde in OnWorks gehostet, damit es auf einfachste Weise online von einem unserer kostenlosen Betriebssysteme ausgeführt werden kann.
