用Python生成會(huì)跳舞的美女
導(dǎo)語(yǔ)
表妹心疼我，為了逗我開(kāi)心，教我用Python制作會(huì)跳舞的美女。作為新時(shí)代的活雷鋒，在這里分享給大家。
開(kāi)發(fā)工具
Python版本：3.6.4
相關(guān)模塊：
torch0.4.1模塊；
torchvision0.2.2模塊；
opencv-python模塊；
argparse模塊；
numpy模塊；
以及一些Python自帶的模塊。
環(huán)境搭建
安裝Python并添加到環(huán)境變量，pip安裝需要的相關(guān)模塊即可。
(PS：CUDA環(huán)境配置請(qǐng)自行Google教程。)
原理簡(jiǎn)介
這里我們利用VAE的原理來(lái)生成會(huì)跳舞的小姐姐唄。先簡(jiǎn)單介紹一下理論知識(shí)，要說(shuō)VAE，就得先談?wù)勛詣?dòng)編碼器，自動(dòng)編碼器最開(kāi)始用于數(shù)據(jù)壓縮，其原理圖十分簡(jiǎn)單直觀：
在模型訓(xùn)練時(shí)，輸入圖片首先通過(guò)一個(gè)編碼器(現(xiàn)在當(dāng)然是神經(jīng)網(wǎng)絡(luò)啦)將輸入數(shù)據(jù)降維到一個(gè)code，接著將code輸入到解碼器(當(dāng)然還是神經(jīng)網(wǎng)絡(luò)啦)生成一個(gè)與輸入相同大小的圖片，網(wǎng)絡(luò)的優(yōu)化目標(biāo)就是使得輸入編碼器的圖片與解碼器輸出的圖片盡可能相似。 當(dāng)模型訓(xùn)練完之后，我們就可以拿出這個(gè)解碼器，隨機(jī)傳入一些code作為它的輸入，來(lái)生成一些差不多的圖片。但是這種做法存在一個(gè)問(wèn)題，就是編碼器生成的code包含了原圖信息，因此，我們就無(wú)法自己構(gòu)造一些隨機(jī)的code來(lái)作為解碼器輸入從而生成任意圖片(必須是現(xiàn)有圖片過(guò)了編碼器之后生成的code作為輸入)。為了解決這個(gè)問(wèn)題，VAE就誕生啦~VAE的全稱(chēng)是：
Variational Autoencoder 即變分自編碼器
說(shuō)起來(lái)，它的原理圖也十分簡(jiǎn)單：
與自編碼器唯一不同就是在訓(xùn)練過(guò)程中對(duì)code也進(jìn)行了約束，使得code滿(mǎn)足某種分布(譬如正態(tài)分布)。這樣的話(huà)，模型訓(xùn)練完之后，我們只需要隨機(jī)生成一個(gè)滿(mǎn)足該分布的code，就可以拿來(lái)作為解碼器的輸入，從而生成任意圖片啦~ 一般地，我們用均方損失函數(shù)保證原圖和生成圖相似，用KL損失函數(shù)來(lái)保證code滿(mǎn)足我們所要求的分布。均方損失大家肯定知道，KL散度的定義這里我也不想過(guò)多地去介紹，貼下維基百科上定義的公式吧：
P和Q是在同一個(gè)概率空間上定義的離散概率分布。 同時(shí)，為了方便計(jì)算KL散度，VAE引入了一個(gè)trick，叫：
reparameterization
以正態(tài)分布為例子，就是現(xiàn)在不直接預(yù)測(cè)code了，而是預(yù)測(cè)code的均值和方差，有了均值向量和方差向量，恢復(fù)code是很方便的(用標(biāo)準(zhǔn)正態(tài)分布乘以方差再加個(gè)均值就行了)。
再回過(guò)頭來(lái)，我們現(xiàn)在要用VAE來(lái)生成會(huì)跳舞的小姐姐，無(wú)非就是先找到一個(gè)訓(xùn)練數(shù)據(jù)集，這里我找了個(gè)Youtube上的視頻作為數(shù)據(jù)集：
https://www.youtube.com/watch?v=NdSqAAT28v0
然后根據(jù)VAE的原理構(gòu)造一個(gè)編碼和解碼網(wǎng)絡(luò)，用兩個(gè)損失函數(shù)作為約束訓(xùn)練網(wǎng)絡(luò)就行啦。代碼就不一個(gè)個(gè)貼了，寫(xiě)起來(lái)很簡(jiǎn)單的，貼上來(lái)倒感覺(jué)有點(diǎn)麻煩，有需要的直接在公眾號(hào)后臺(tái)回復(fù)“dancenet”即可獲取。簡(jiǎn)單說(shuō)下代碼使用方式吧，模型訓(xùn)練運(yùn)行train.py文件即可，命令格式為：
python train.py --videopath xxx.mp4
模型測(cè)試運(yùn)行demo.py文件即可，命令格式為：
python demo.py --mode random/fromtrain --checkpointspath xxx.pth --outputpath xxx.avi
這里模式的含義是code隨機(jī)生成/從訓(xùn)練集中提取一些圖片的code作為輸入。
效果展示
隨機(jī)生成code模式作為輸入：
數(shù)據(jù)集中挑選圖片過(guò)編碼器獲得code作為輸入：
好了，我的分享到此結(jié)束了。
總結(jié)
到此這篇關(guān)于用Python生成會(huì)跳舞的美女的文章就介紹到這了,更多相關(guān)Python美女內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！
相關(guān)文章
Django 淺談根據(jù)配置生成SQL語(yǔ)句的問(wèn)題
今天小編就為大家分享一篇Django 淺談根據(jù)配置生成SQL語(yǔ)句的問(wèn)題，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過(guò)來(lái)看看吧2018-05-05
Python for循環(huán)可以遍歷任何序列的項(xiàng)目，如一個(gè)列表或者一個(gè)字符串。這篇文章主要介紹了python的for循環(huán),需要的朋友可以參考下2018-09-09
這篇文章主要介紹了python 公共方法匯總解析,文中通過(guò)示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友可以參考下2019-09-09
這篇文章主要介紹了python下讀取公私鑰做加解密實(shí)例詳解的相關(guān)資料,需要的朋友可以參考下2017-03-03
Python pickle類(lèi)庫(kù)介紹（對(duì)象序列化和反序列化）
這篇文章主要介紹了Python pickle類(lèi)庫(kù)介紹（對(duì)象序列化和反序列化）,本文講解了pickle庫(kù)的作用、pickle的運(yùn)行過(guò)程、使用實(shí)例、修改picklable類(lèi)型的默認(rèn)行為等內(nèi)容,需要的朋友可以參考下2014-11-11
用Python的itertools模塊來(lái)創(chuàng)建具有迭代功能的函數(shù)十分具有技巧性,這里我們就來(lái)看一下借助itertools模塊、Python使用迭代器打印螺旋矩陣的思路及代碼示例2016-07-07
批量將ppt轉(zhuǎn)換為pdf的Python代碼 只要27行!
這篇文章主要為大家詳細(xì)介紹了批量將ppt轉(zhuǎn)換為pdf的Python代碼，只要27行，具有一定的參考價(jià)值，感興趣的小伙伴們可以參考一下2018-02-02
pandas DataFrame 數(shù)據(jù)選取，修改，切片的實(shí)現(xiàn)
這篇文章主要介紹了pandas DataFrame 數(shù)據(jù)選取，修改，切片的實(shí)現(xiàn)，文中通過(guò)示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面隨著小編來(lái)一起學(xué)習(xí)學(xué)習(xí)吧2020-04-04
這篇文章主要介紹了如何基于pythonnet調(diào)用halcon腳本,文中通過(guò)示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友可以參考下2020-01-01
python文件操作的基礎(chǔ)詳細(xì)講解(write、read、readlines、readline)
使用python來(lái)讀寫(xiě)文件是非常簡(jiǎn)單的操作,下面這篇文章主要給大家介紹了關(guān)于python文件操作的基礎(chǔ)詳細(xì)資料，包括write、read、readlines、readline等相關(guān)操作,文中通過(guò)示例代碼介紹的非常詳細(xì),需要的朋友可以參考下2022-04-04