「分布式」艺术创作：20分钟+1080显卡，这个AI就能创造复杂作品 ｜ 开源 点击上方，选择星标或置顶，不定期资源大放送！ 阅读大概需要6分钟 Follow小博主，每天更新前沿干货 转载自：量子位 20分钟生成复杂的艺术作品，而且还是用英伟达上上代的1080显卡？ 现在神经网络上手门槛这么亲民了吗？ 没错，这是一个叫做neural-style-pt的风格迁移模型，基于Pytorch实现，而且刚刚开源！ 有关这个算法模型的话题在Reddit上才发布一天，热度接近2000。 neural-style-pt，真的酷炫又亲民吗？ 丰富的融合方式neural-style-pt是论文A Neural Algorithm of Artistic Style的Pytorch实现。 论文介绍了一种利用卷积神经网络将一张图片的内容，与另一张图片的风格相结合的算法，就是我们熟知的“风格迁移”网络。 比如，将《星空》的艺术风格映射到一张斯坦福校园的夜景照片上： 或者根据给定图像的不同艺术风格，分别融合进目标图片： 除了“分别”融合，还能把多个艺术风格融进一张图片： 从左上角顺时针开始风格分别为”星空 “+”呐喊”、”呐喊 “+”构图七（瓦西里·康定斯基油画）“、”坐着的裸女（莫蒂里安尼油画） “+”构图七”、”坐着的裸体 “+”星空”。 在进行风格迁移时，添加“-original_colors 1”指令，还可以只改变风格，不改变原图颜色： 1080卡就能跑？根据后台和优化器的不同，算法运行速度会有很大差异。 在Tesla K80上使用512像素图片迭代500次时间参考： 后台nn、优化器L-BFGS: 117秒 后台nn、优化器 ADAM: 100秒 后台cudnn -优化器L-BFGS: 124秒 后台cudnn -优化器ADAM：107秒 后台cudnn -cudnn_autotune -优化器L-BFGS: 109秒 后台cudnn -cudnn_autotune -优化器ADAM: 91秒 而在GTX 1080上，相同基准下时间更快： 后端nn -优化器L-BFGS: 56秒 后台nn -优化器 ADAM: 38秒 后台cudnn -优化器L-BFGS: 40秒 后台cudnn -优化器ADAM：40秒 后台cudnn -cudnn_autotune -优化器 lbfgs: 23秒 后台cudnn -cudnn_autotune -优化器ADAM: 24秒 结合当下1080卡的售价，不得不说，这样的门槛，对于机器学习来说，已经很香了。 默认情况下，neural-style-pt使用后端进行卷积，L-BFGS进行优化。但会使用大量的内存，可以通过以下方法来减少内存的使用。 使用cuDNN，添加-backend cudnn来使用cuDNN后端。而使用ADAM时，添加-optimizer adam来使用ADAM而不是L-BFGS。 在默认设置下，neural-style-pt在系统上使用了大约3.7GB的GPU内存；切换到ADAM和cuDNN可以将GPU内存占用减少到大约1GB。 如何上手试玩安装neural-style-pt，首先要准备好Pytorch。 然后，使用下方一句话指令就能安装已经训练好的模型： python models/download_models.py安装完以后，上手试玩也很简单，一行代码就能实现： python neural_style.py -style_image-content_image如果要载入多种风格，需要分隔不同的图片文件名： -style_image starry_night.jpg,the_scream.jpg注意，图片名称要包含完整的地址路径。 基本操作就是这些。 neural-style-pt还有一点强大的功能，就是可以使用多个不同的计算设备来处理高分辨率图像。 不同的设备会输出不同网络层的计算结果。 你可以用-gpu指令控制使用哪些GPU和CPU设备，你也可以用-multidevice_strategy控制如何在不同设备上分割层。 例如，在一个有四个GPU的服务器中，指令“-gpu 0,1,2,3”，指按顺序在GPU 0、1、2和3上进行处理。 同时给出 -multidevice_strategy 3,6,12指令，表示前两层应该在GPU 0上计算，第3到5层应该在GPU 1上计算，第6到11层应该在GPU 2上计算，其余的层应该在GPU 3上计算。 根据你的需求调整-multidevice_strategy，可以达到输出的最大分辨率。 下面是一张4016x2213分辨率图像，是在使用8个Tesla K80 GPU的服务器上生成的： 1080显卡入门，还能“分布式”计算，这么酷炫好玩低门槛的风格迁移网络，赶快来试试吧~ 传送门： https://github.com/ProGamerGov/neural-style-pt 重磅！DLer-AI顶会交流群已成立！ 大家好，这是DLer-AI顶会交流群！首先非常感谢大家的支持和鼓励，欢迎各位加入DLer-AI顶会交流群！本群旨在学习交流人工智能顶会（CVPR/ICCV/ECCV/NIPS/ICML/ICLR/AAAI等）、顶刊（IJCV/TPAMI/TIP等）写作与投稿事宜。包括第一时间发布论文信息和公开演讲视频，以及各大会议的workshop等等。希望能给大家提供一个更精准的研讨交流平台！！！ 添加请备注：AI顶会+学校/公司+昵称（如CVPR+上交+小明） ??长按识别添加，即可进群！