◆ V1 - Paper 中对应模型,带彩色。 ◆ V2 - 无着色,不需要CUDA扩展。通过预处理使用更多数据进行训练。 ◆ V3 - 基于V1.2,更自然的恢复结果;在非常低质量 / 高质量的输入上获得更好的结果。 我们这里直接下载 V1.3 对应的 GFPGANv1.3.pth,大小约为 333 M: wgethttps://github.com/TencentARC/GFPGAN...
或者自己下载并解压到GFPGAN-master 2.创建并进入为项目所准备的虚拟环境(我这里环境名叫GFPGAN,在项目之前就已经装了pytorch和cuda了,*空格文件夹名是坏习惯,不要学习~),进入项目所在根目录: 3.1 .安装依赖包(截图这里环境已经装过了,所以显示already): pip install basicsr pip install facexlib 3.2. 安装项目...
选项:NVIDIA GPU + CUDA 选项:Linux 安装 我们现在提供了一个*干净的* GFPGAN 版本,它不需要定制的 CUDA 扩展。如果您想使用我们论文中的原始模型,请参见 PaperModel.md 进行安装。 克隆存储库 git clone https://github.com/TencentARC/GFPGAN.git cd GFPGAN 安装依赖软件包 # Install basicsr - https:/...
git --version 8.安装cuda cuda是NVIDIA显卡用来跑算法的依赖程序,所以我们需要它。 打开NVIDIA cuda官网,https://developer.nvidia.com/cuda-toolkit-archive (这里有人可能会打不开网页,如果打不开,请用魔法上网。) 回到一开始的miniconda的小窗,输入nvidia-smi,查看你的cuda版本 你会发现有很多版本,下载哪个版本...
核心功能: - 实用的真实人脸修复算法 - 基于预训练的人脸 GAN,可以处理真实世界中的各种人脸修复任务 - 提供了多个预训练模型,可以适应不同的输入质量和需求 - 支持增强非人脸区域(背景)的修复效果 - 提供干净版本的 GFPGAN,无需 CUDA 扩展 (举报)
如果你有条件,还可以选择使用NVIDIA GPU和CUDA来加速计算。这将大大提高训练深度学习模型的速度。 最后,如果你使用的是Linux操作系统,那么你将能够更好地利用这些工具。Linux是一个广泛使用的操作系统,它为科研人员提供了丰富的软件和工具。许多流行的科学计算和机器学习软件都支持Linux操作系统。
GFPGANCleanv1-NoCE-C2.pth:无法染色;不需要 CUDA 扩展。 GFPGANv1.pth:论文使用的模型,能够对旧照片进行染色。 将想要使用的预训练模型放入 experiments/pretrained_models 文件夹下就可以开始使用了。 使用方法非常简单,进入项目目录后输入以下命令: ...
GFPGANCleanv1-NoCE-C2.pth:无法染色;不需要 CUDA 扩展。 GFPGANv1.pth:论文使用的模型,能够对旧照片进行染色。 将想要使用的预训练模型放入 experiments/pretrained_models 文件夹下就可以开始使用了。 使用方法非常简单,进入项目目录后输入以下命令:
项目里这个要求Python3.7以及以上，PyTorch >= 1.7版本。当然，弄AI项目，没有带CUDA的显卡是不行的，所以这里安装比较简单，把项目clone下来进入，新建虚拟环境，然后安装requirements.txt各种库，最后用预训练模型测试后，被整迷糊了。排查准备工作做好后，运行中虽说没有提示错误，不过却是没有得出成品。测试了...
CUDA 10.0 cuDNN 7.6 1.2 安装依赖 GFPAN的安装需要以下依赖: pip install gf-parser gf-dataset-utils gf-image-utils 1.3 安装步骤 1.3.1 打开终端或命令行界面,创建一个新的Python环境。 mkdirgf-installation-repocdgf-installation-repo 1.3.2 使用pip安装GFPAN的相关依赖。