NKS:5分鐘用GANs生成CryptoPunks風格圖像_Punk Basic

2021年，NFT數字藝術品和數字藏品迅速出圈，在這場浪潮中，2017年成立的“加密朋克”項目因其收藏者的知名度和不斷刷新的成交價，升值成為最具價值的收藏品之一，更成為了先鋒投資者和藝術收藏者身份的象征。

圖片來源：larvalabs

多個NFT數字藝術品項目的成功，也將AI生成數字藝術品推至臺前。在這場“出圈浪潮”中，很多藝術家選擇用AI技術作為圖像創造的工具，最終再將藝術品鑄造為NFT，使用AI技術進行NFT數字藝術品創作的可能性被充分發掘。與藝術生成有關的AL/ML工作專注于藝術風格的創造，很多團隊和個人也關注到藝術品，通過生成對抗網絡“批量”生成特定風格的作品。

最近有一個名為“CryptoPunksGAN”的項目發布在Github上，用于生成CryptoPunks的簡單SN-GAN，項目地址：https://github.com/teddykoker/cryptopunks-gan?。這個項目用Python完成，我們通過矩池云?www.matpool.com?對其進行了復現。矩池云提供面向元宇宙的解決方案，創作者可以使用平臺輕松訓練和部署其AI模型，加速元宇宙中的如NLP虛擬人、圖像內容生成等環節的過程。本次用機器學習生成CryptoPunks項目的復現，上手過程非常簡單，不需要任何安裝和調試，打開界面就能在云端就感受到生成藝術的創作過程。

BTC在15分鐘內跌幅超過1.00%:據火幣全球站數據顯示，BTC/USDT在15分鐘內出現劇烈波動，跌超1.00%，達到-1.03%。當前報價為9726.58美元，行情波動較大，請注意風險控制。[2020/6/5]

分析項目依賴，租用機器

分析項目依賴環境

首先通過開源項目的requirements.txt文件，我們知道該項目主要需要Pytorch1.10.2和CUDA11.3環境，另外還需要pandas、Pillow等第三方包，如果將其在本地安裝我們還是需要花一定的時間的，不過我們不需要這些復雜的步驟。

分析項目依賴環境

我們進入矩池云，如果你還沒有注冊過賬號，可以先注冊一個賬號，新注冊用戶關注并綁定矩池云微信公眾號可獲贈5元體驗金，體驗金在租用機器時直接抵扣。

在矩池云租用合適的機器

在矩池云的主機市場，我們可以選擇需要使用到的機器，這里我們就選最便宜的NVIDIATeslaK80。

選擇機器

點擊租用按鈕后，我們可以對機器進行配置：

BTC在15分鐘內漲幅超過1.00%:據火幣全球站數據顯示，BTC/USDT在15分鐘內出現劇烈波動，漲超1.00%，達到1.14%。當前報價為5469.24美元，行情波動較大，請注意風險控制。[2020/3/18]

1選擇基礎鏡像，我們直接搜索Pytorch1.10

2發現有相關鏡像，并且其他依賴如CUDA11.3也符合要求，點擊選擇即可

3選擇好鏡像后，我們可以進行其他配置，如：VNC功能開啟、公鑰設置、高級選項中的自定義端口等

選擇鏡像

設置好機器基本環境，我們點擊下單即可。

下載代碼、數據及模型

租用好機器后，我們選擇最簡單的使用方法，直接點擊租用界面的JupyterLab連接，即可快速使用服務器。

打開JupyterLab

進入JupyterLab頁面后，我們先點擊Terminal進入終端，并輸入下面指令。

BTC在5分鐘內跌幅超過1.00%:據火幣全球站數據顯示，BTC/USDT在5分鐘內出現劇烈波動，跌超1.00%，達到-1.05%。當前報價為4846.24美元，行情波動較大，請注意風險控制。[2020/3/16]

打開Terminal

我們只需把上方代碼復制粘貼即可，當出現Checkingoutfiles:?100%即代表下載開源項目CryptoPunks-GAN項目成功，可以進入到下一步。

Checkingoutfiles:100%

我們可以了解一下剛才輸入這段代碼的含義，它代表著

先進入/mnt目錄

新建一個文件夾MyCode并進入文件夾

gitclone下載開源項目cryptopunks-gan

使用模型和訓練

使用預訓練模型測試

我們進入到cryptopunks-gan項目目錄。具體方式為，找到名為mnt的文件夾

行情丨ETH在15分鐘內跌幅超過3.00%:據火幣全球站數據顯示，ETH/USDT在15分鐘內出現劇烈波動，跌超3.00%，達到-3.08%。當前報價為 268.26 美元，行情波動較大，請注意風險控制。[2020/2/13]

mnt文件夾

進入到MyCode，再進入到cryptopunks-gan

路徑

然后點擊左上角+新建一個Launcher，點擊Notebook中的myconda。即可新建一個jupyternotebook文件。

新建ipynb步驟

我們可以先使用預訓練好的模型來測試使用，測試使用代碼官方已經給我們提供好了。

可以直接復制以下所有代碼，或者像我一樣一段一段運行

行情 | BTC 15分鐘跌幅超過1.00%:據Bitfinex數據顯示，BTC 15分鐘內跌幅超過1.00%，現報價6959.80美元，價格波動較大，請密切關注行情走勢，注意風險控制。[2018/8/30]

運行按鈕如下

運行按鈕

運行成功后會在項目目錄下生成一個punks.png文件。

punks.png

我們可以直接點擊查看預訓練結果

訓練模型

按照教程，除了使用預訓練模型，我們還可以對模型進行訓練，訓練代碼在項目目錄的train.py文件中。

我們重新回到JupyterLab的Terminal中

打開Terminal

輸入下面指令：

運行過程

這個過程比較漫長，預計1個小時左右，訓練完成后默認會在項目目錄中生成一個out目錄，里面會存放訓練好的權重文件和樣本圖片文件。最終完成訓練的圖片是序號最大的那張，在這個案例中即編號為999的文件。

out目錄

此時回到“我的網盤”，即可看到out文件夾，剛才的訓練過程和結果圖片都在其中。

我的網盤

在訓練使用過程中你還可以查看機器監控，看機器的GPU、內存等使用情況。

機器使用情況

釋放機器

當你的代碼都跑完，不需要使用機器時，可以選擇釋放機器。

在機器租用頁面，你可以看到釋放機器按鈕，在更多按鈕中你還可以看到保存環境功能。

釋放和保存環境

如果你在基礎環境中還安裝了一些其他包，并且想在下次使用的時候想繼續使用，你可以選擇保存環境，保存的環境會存放在你的網盤中。

如果不需要保存環境，直接點擊釋放機器即可。

以下一部分為epoch訓練后生成的圖片：

訓練最終的完成圖如下

GANs生成圖

關于GANs

IanGoodfellow等人在2014年的一篇論文中首次提出生成對抗網絡，它的實現方式是通過同時使用生成模型和判別模型，兩個模型相互競爭，從而訓練出圖片。這一過程可以這樣簡單解釋，生成模型的作用類似于一個人不斷地創造假的《蒙娜麗莎》，他要在創造過程中不斷提升其和真畫的相似度，判別模型則類似于鑒別師，他負責鑒別和確認假畫。兩個人相互競爭，雙方提升各自的創造方法和鑒別方法，直到假畫達到與真畫難以區分的程度。

在CrypoPunksGAN項目中所用到的算法是SN-GAN，即SpectralNormalizationforGenerativeAdversarialNetwork，訓練過程更穩定，更容易收斂，文獻內容可參考?https://arxiv.org/abs/1802.05957?。

Tags：NKSPUNKSGANPUNKBankSocialBPUNKS幣Gan PunksPunk Basic

以太坊交易所