【摘要】 老谭生成器使用说明书
如果觉得还有点意思，那么你一定会对StyleGAN感兴趣。
StyleGAN的原理张小白也看不大懂。。反正就是根据预训练模型，生成一些大家从来没见过的照片，比如人脸、汽车、马，动漫，网红脸（整容脸），超模脸之类的。
张小白从来就是个实战派，那么就跟随张小白的脚步，看看到底怎么生成这么好玩的东西吧。
玩转这个最好是自己有个带gpu的windows。
感谢 @枫树 大侠告知，有了conda的加持，是可以同时在一台机器内安装多套GPU的cuda和cudnn环境的。要知道，cuda和cudnn的版本跟tensorflow的版本密切相关，一旦不一致就会有很多问题，因为有的神经网络需要TF2的版本，有的需要TF1的不同版本。不可能每次都重装cuda和cudnn。
在这些基础环境安装好之后，就可以开GAN了。
这次的实验需要用到3个代码仓，一个是stylegan2，一个是stylegan2encoder，一个是generators-with-stylegan2
先clone下来：
你可以直接git clone ,当然因为众所周知的原因，你也可以通过 gitee转克隆：(张小白教过你们的。。。）
使用PyCharm打开stylegan2目录：
这是小白退散。。。的规则：
需要安装Python 3.6, Tensorflow 1.14 (On Windows，注意仔细看），需要CUDA10.0cuDNN 7.5，
需要Nvidia GPU，
需要16G内存。
（如果你们都没有的话，就上ModelArts吧。。。）
我们使用conda来创建这个环境吧：
conda create -n gaohuo python=3.6
激活conda环境
conda activate gaohuo
先安装CUDA10.0（请注意是在gaohuo环境里面）
conda install cudatoolkit=10.0
conda install cudnn
装的cudnn 版本号是6.0，readme提示是7.5，可能会有问题。先安装了再说。
升级pip到最新版本
python -m pip install –upgrade pip
安装tensorflow-gpu版本
(需要注意，conda安装时，等于号是一个，pip安装时，等于号是两个）
包有点大（287M），耐心等待安装完毕。最近PIP的清华源不大好使，豆瓣源稍微好一点，但是也会断。。有时候安装得靠点运气。
。。。
装指定版本的keras（2.2.5）
pip install keras==2.2.5
安装PIL 8.2.0
安装dlib 19.22
pip install dlib
安装tqdm 4.60
pip install tqdm
安装requests 2.25.1
pip install requests
我们需要准备一下预训练模型：
点击蓝色的链接就可以下载：
下载完毕后，将其拷贝到 stylegan2工程的 models目录下吧。（新建个models目录）
张小白本地的目录是这样的：
先试一下用官方的模型生成的人像吧：
。。
conda install cudatoolkit=10.1
。。。
为了保险起见，将与cuda配套的cudnn也重新安装一下（可能这个步骤没必要做）
conda unsintall cudnn
conda install cudnn
再来重跑前面的脚本：
果然有，使用资源管理器可以看得更清楚：
好了，我们完成了StyleGAN的第一步，生成随机的人脸图像。
有兴趣的人也可以下载其他的模型，生成比如 马、猫、教堂、汽车的图片：
反正下载不同的模型可以生成不同的图片。这些图片是否在世界上存在呢？这可能是个谜。。。
切换stylegan2encoder工程：
使用 conda activate guohao进入tensorflow 1.14 +cuda 10.1+cudnn环境
建立raw_images目录，存放原始人像图片
建立aligned_images目录，存放头像对齐后的图片
在网上找一张硬汉哈里森福特的照片：
将stypegan2的models目录下的预训练模型拷贝到这里（创建同样的目录）
然后执行：
。。。
打开 一看，是将图片的头像居中了，而且分辨率是1024X1024：
。。。
这里面要跑1000次。请耐心等待跑完。
将aligned_images目录下的人脸图片投射到dlatents空间（这步有点问题。。）
改为：
改为：
然后执行以下脚本：
将 aligned_images目录下的人脸图片投射到dlatents空间，找到最佳的dlatents，保存dlatents文件和重建的人脸图片到generated_images目录。
。。。
出了个错: CUDA_ERROR_ILLEGAL_ADDRESS.
这个问题张小白搜了一下，貌似说是跟显卡驱动有关，又可能跟显存不足有关。
好像暂时搞不定。
打开generators-with-stylegan2工程：
根据networks目录下的 “模型下载后放在这里.txt”的文件中的地址，下载各个模型：
结果如下：
缺省会生成20张 黄种人的照片：
照片生成在 result目录下：
萌娃脸：
网红脸：
超模脸：
好像也蛮好玩的。。
切换到stylegan2工程：
新建 datasets/mypictures 目录
将stylegan2encode工程下的 aligned_images目录（就是福特人脸居中的目录）拷贝过来：
发现这个文件有点大了。想想前面可能是因为显存不足造成的python代码无法执行完毕。最好还是对这个1024X1024的24bit的文件做个瘦身。
于是按照链接的方法下载并安装了imageJ。
运行imageJ：
将其转为8bit color，
将其拷贝到 ./aligned_images 目录（原来的png文件挪走）
此时文件只有127K了。非常舒适。
生成的文件如下：
。。。
。。。
。。。唉，拼到了587/1000.还是没有躲过 CUDA_EROR_ILLEGAL_ADDRESS的境遇。
看来张小白的乞丐显卡真的不行。
下次考虑将这些代码放在ModelArts运行试试。
不过，虽然没有完全结束，我们还是可以看到一些中间结果：
切换stylegan2encode工程：
安装matplot工具：
pip install matplotlib
可以看到 生成了一串图片：
感觉从老年到孩童的都生成了。虽然老年那张看起来有点别扭。。。
×掉上面的图片，再重新输入 favourate coeff的不同参数：
比如 1.0
会给你做个调整：
-1.0：
0：
张小白在尝试stylegan2的过程中，参考了以下资料中的介绍，并引用了相关的代码，为此对原作者们表示感谢。这些作者们对stylegan2网络都做了深入的分析，有兴趣的童鞋们可以去看他们的博客。
希望大家都能玩转StyleGAN网络！
参考资料清单：
1. 轻轻松松使用StyleGAN 系列
2.轻轻松松使用StyleGAN2 系列
3.【阿修】GAN学习笔记（目前是StyleGAN的使用）
4.用StyleGan给自己编码 系列
5.自定义数据集上训练StyleGAN | 基于Python+OpenCV+colab实现
7.为什么conda 可以安装cuda这种很底层的驱动？
8.科研人必备图像处理软件—ImageJ（安装篇）
（全文完，谢谢阅读）
BTW:
下面张小白可能会考虑在ModelArts上跑通这些内容。毕竟在本机乞丐显卡的加持下，有几个运行还是报错的。另外，模型训练也是基本上没法跑的。