这是什么?

这是一个django网站框架,通过用户上传内容图片和风格图片就可以返回内容风格合成的图片或者一个从原始图片到目标图片渐变的视频

需要环境

• tmux
• tmuxinator
• docker 并且把当前用户加到docker组中

需要文件

需要的数据和模型建议按照如下方式存放

/Dataset
	style_transfer---精选样本
	train2014----用于训练风格模型
/Model
	styles--风格模型
	vgg16
		vgg16.ckpt----用于训练风格模型
	vgg19
		VGG_ILSVRC_19_layers.caffemodel
		VGG_ILSVRC_19_layers_deploy.prototxt
		vgg_normalised.caffemodel

项目本身预置的软连接关系如下:

$Proj/fast-neural-style-tensorflow/models --> /Model/styles
$Proj/fast-neural-style-tensorflow/train2014 --> /Dataset/train2014
$Proj/neural-style_diy/model--> /Model/vgg19
$Proj/media/img_list_all --> /Dataset/style_transfer

docker镜像

该项目需要的docker镜像托管在dockerhub中,通过docker pull lihao2333/intel:v4来下载 或者拥有我们制作的镜像文件intel:v4.tar通过执行docker load<intel:v4.tar来还原镜像

如何使用

安装

• 递归克隆项目

git clone --recurse-submodules git@github.com:lihao2333/neural_web.git
cd neural_web

• 配置tmuxinator
  • for ubuntu:16.04

   apt-get install tmux
   apt-get install tmuxinator
   mkdir ~/.tmuxinator
       ln -sf `pwd`/neural_web.yml ~/.tmuxinator/ 
  

  • for mac

   brew install tmux
   brew install tmuxinator
   mkdir ~/.config/tmuxinator
       ln -sf `pwd`/neural_web.yml ~/.config/tmuxinator/ 	
  

  • 最后记得在~/.bashrc中添加

   export EDITOR="vim"
   alias mux="tmuxinator"
  

    * 然后执行
  

   source ~/.bashrc
   mux list
  

  • 如果出现neural_web则说明安装成功

运行

• 执行mux start neural_web,会自动打开一个tmux的session, 同时里面会自动运行docker
• 登录<your ip address>:8000既可

最终效果

• 查看视频
• 创建图片
• 查看图片
• 查看精选图片