热点

20分钟,这个AI就能创造复杂艺术作品!1080显卡就能跑

字号+ 作者:牛骥同槽网 来源:门店展示 2026-11-23 我要评论(0)

20分钟,这个AI就能创造复杂艺术作品!1080显卡就能跑

本文经AI新媒体量子位(公众号ID:QbitAI)授权转载,转载请联系出处。

20分钟生成复杂的艺术作品,而且还是用英伟达上上代的1080显卡?

现在神经网络上手门槛这么亲民了吗?

没错,这是一个叫做neural-style-pt的风格迁移模型,基于Pytorch实现,而且20刚刚开源!

有关这个算法模型的话题在Reddit上才发布一天,热度接近2000。

neural-style-pt,真的酷炫又亲民吗?

丰富的融合方式

neural-style-pt是论文A Neural Algorithm of Artistic Style的Pytorch实现。

论文介绍了一分钟种利用卷积神经网络将一张图片的内容,与另一张图片的风格相结合的算法,就是我们熟知的“风格迁移”网络。

比如,将《星空》的艺术风格映射到一张斯坦福校园的夜景照片上:

或者根据给定图像的不同艺术风格,分别融合进目标图片:

除了“分别”融合,还能把多个艺术风格融进一张图片:

从左上角顺时针开,这始风格分别为”星空 “+”呐喊”、”呐喊 “+”构图七(瓦西里·康定斯基油画)“、”坐着的裸女(莫蒂里安尼油画) “+”构图七”、”坐着的裸体 “+”星空”。

在进行风格迁移时,添加“-original_colors 1”指令,还可以只改变风格,不改变原图颜色:

1080卡就能个A跑?

根据后台和优化器的不同,算法运行速度会有很大差异。

在Tesla K80上使用512像素图片迭代500次时间参考:

后台nn、优化器L-BFGS: 117秒 后台nn、优化器 ADAM: 100秒 后台cudnn -优化器L-BFGS: 124秒 后台cudnn -优化器ADAM:107秒 后台cI就udnn -cudnn_autotune -优化器L-BFGS: 109秒 后台cudnn -cudnn_autotune -优化器ADAM: 91秒

而在GTX 1080上,相同基准下时间更快:

后端nn -优化器L-BFGS: 56秒 后台nn -优化器 ADAM: 38秒 后台cudnn -优化器能创L-BFGS: 40秒 后台cudnn -优化器ADAM:40秒 后台cudnn -cudnn_autotune -优化器 lbfgs: 23秒 后台cudnn -cudnn_autotune -优化器ADAM: 24秒

结合当下1080卡的售价,不得不说,这样的门槛,对于机器学习来说,已经很香了。

默造复认情况下,neural-style-pt使用后端进行卷积,L-BFGS进行优化。但会使用大量的内存,可以通过以下方法来减少内存的使用。

使用cuDNN,添加-backend cudnn来使用cuDNN后端。而使用ADAM时,添加-optimizer adam来使用ADAM而不杂艺是L-BFGS。

在默认设置下,neural-style-pt在系统上使用了大约3.7GB的GPU内存;切换到ADAM和cuDNN可以将GPU内存占用减少到大约1GB。

如何上手试玩

安装neural-style-pt,首先要准备好Pytorch。

然后,使用下方一句话指令就能术作安装已经训练好的模型:

python models/download_models.py 

安装完以后,上手试玩也很简单,一行代码就能实现:

python neural_style.py -style_image-content_image&品!nbsp;

如果要载入多种风格,需要分隔不同的图片文件名:

-style_image starry_night.jpg,the_scream.jpg 

注意,图片名称要包含完整的地址路径。

基本操作就是这些。

neural-style-pt还有一点强大的功能,就是10可以使用多个不同的计算设备来处理高分辨率图像。

不同的设备会输出不同网络层的计算结果。

你可以用-gpu指令控制使用哪些GPU和CPU设备,你也可以用-multidevice_strategy控制如何在不同设备上分割层。

例如,在一个有四个GPU的服务器中,指令“-gpu 0,1,280,3”,指按顺序在GPU 0、1、2和3上进行处理。

同时给出 -multidevice_strategy 3,6,12指令,表示前两层应该在GPU 0上计算,第3到5层应该在GPU 1上计算,第6到11层应该在GPU 2上计算,其余的层应该在GPU 3上计算。

根据你的需求调整-mult显卡idevice_strategy,可以达到输出的最大分辨率。

下面是一张4016x2213分辨率图像,是在使用8个Tesla K80 GPU的服务器上生成的:

1080显卡入门,还能“分布式”计算,这么酷炫好玩低门槛的风格迁移网络,赶快来试试吧~

传送门:
https://github.c就能om/ProGamerGov/neural-style-pt

 

1.本站遵循行业规范,任何转载的稿件都会明确标注作者和来源;2.本站的原创文章,请转载时务必注明文章作者和来源,不尊重原创的行为我们将追究责任;3.作者投稿可能会经我们编辑修改或补充。

相关文章
  • 揭开智能指针 Box 的神秘面纱

    揭开智能指针 Box 的神秘面纱

    2026-06-13

  • 成功迁移到云端的6个策略

    成功迁移到云端的6个策略

    2026-11-10

  • 理想汽车OTA 8.0重磅上线,全球首个 VLA 司机大模型助力智能驾驶体验升级!

    理想汽车OTA 8.0重磅上线,全球首个 VLA 司机大模型助力智能驾驶体验升级!

    2026-06-29

  • 中国移动推出 “灵犀” 电子导盲犬,助力视障人士的智能生活

    中国移动推出 “灵犀” 电子导盲犬,助力视障人士的智能生活

    2026-08-08

网友点评