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