/Tensorflow-Keras-GAN

Tensorflow keras GAN

Primary LanguagePythonMIT LicenseMIT

CSNet-colorization

CSnet colorization: based on Deep Learning

CNN(Convolutional Neural Network) 기반의 colorization을 구현한 레포지토리입니다.


Table of Contents

  1. Preferences
  2. Install requirements
  3. Preparing datasets
  4. Train
  5. Eval
  6. Predict
  7. Reference

Preferences

ESDet은 Tensorflow 기반 코드로 작성되었습니다. 코드는 WindowsLinux(Ubuntu) 환경에서 모두 동작합니다.

OS Ubuntu 20.10
TF version 2.6.2
Python version 3.9.0
CUDA 11.1
CUDNN cuDNN v8.0.5 (November 9th, 2020), for CUDA 11.1
GPU NVIDIA RTX3090 24GB

Install requirements

학습 및 평가를 위해 Anaconda(miniconda) 가상환경에서 패키지를 다운로드 합니다.

Download the package from the Anaconda (miniconda) virtual environment for training and evaluation.

conda create -n envs_name python=3.9

pip install tensorflow==2.6.2
pip install tensorflow_datasets

Prediction Demo

사전 저장된 모델로 이미지 추론을 predict.py로 실행합니다. 테스트에 사용할 이미지 파일과 출력 결과를 저장할 디렉토리를 지정해야 합니다.
Run image inference with predict.py with pre-saved models. You must specify an image file to use for testing and a directory to store the output results.

Demo 프로그램은 이미지 해상도를 224x224로 고정합니다.

The demo program fixes the image resolution to 224x224.

└── root
       ├── demo_images/  # This is the image directory to use for testing.
       |   ├── image_1.jpg 
       |   └── image_2.jpg
       └── checkpoint/  # This is the directory to save the inference result image.    
           └── results/ 
               └── image_2_output.jpg

아래와 같이 실행할 수 있습니다.

python predict.py