(七)准备在云中训练深度伪造模型

目录

检查先决条件

在本地计算机上设置所有内容

创建提交训练作业所需的局部变量

创建项目所需的Bucket

---

• 下载项目文件 - 75.5 MB

深度伪造——使用深度学习在视频中将一个人的脸换成另一个人的脸——是当今使用人工智能的最有趣和最可怕的方式之一。

虽然深度伪造可用于合法目的，但它们也可用于虚假信息。能够轻松地将某人的脸换成任何视频，我们真的可以相信我们的眼睛告诉我们的吗？政治家或演员做或说令人震惊的事情的真实视频可能根本不是真实的。

在本系列文章中，我们将展示深度伪造的工作原理，并展示如何从头开始实现它们。然后我们将看看DeepFaceLab，它是一种多合一的Tensorflow 驱动的工具，通常用于创建令人信服的深度伪造。

Google AI Platform是Google的全托管式端到端平台，专为数据科学和机器学习操作而开发。它是Google Cloud Platform的一部分，最近越来越受欢迎，尤其是因为它非常易于理解和使用。AI Platform使ML工程师和数据科学家能够以快速且经济高效的方式将他们的ML项目从零开始投入生产。

话虽如此，它不是免费的。它可能变得非常昂贵，任何其他类似的平台也是如此。但这肯定比聘请CGI团队更便宜（也更快）！

请注意，我们使用Google Cloud是因为我们必须在某处部署我们的AI容器才能使用AIOps方法进行模型训练。不要将此解释为Google Cloud必然是最佳选择。但要真正开始我们的训练，我们需要选择一个特定的平台来运行它。同样的基本方法在AWS或Azure上也同样适用。

在本文中，我将在Docker容器的帮助下帮助您在开始模型训练之前设置所需的一切。让我们动手吧！

检查先决条件

首先，创建您的Google Cloud Platform帐户。这非常简单：启动cloud.google.com，点击“免费开始使用”，从列表中选择您的Google帐户，然后像往常一样登录。就是这样。您应该会看到主仪表板。如果您被要求输入您的帐单信息，然后继续输入，这是完全正常的，其中有些服务不在其免费套餐中，在使用时他们需要收费。

接下来，在Google Cloud Console中的项目选择器页面上，确保您选择或创建了一个项目。

然后，检查计费是否已启用。正如我之前所说，这是必要的，因为他们需要对您在其平台上的免费套餐之外使用的任何内容收费。

最后，启用AI Platform Training & Prediction、Compute Engine 和 Container Registry API。这是为了向您的角色授予正确的权限，以便执行我们即将执行的任务。在下拉列表中选择您的项目，然后点击继续启用API。您无需下载凭据：

在本地计算机上设置所有内容

我们仍然需要在您的计算机上安装和配置一些东西，以便与GCP进行远程交互并准备Docker容器。

首先安装和初始化Cloud SDK。该套件可让您从计算机终端与GCP进行交互。在此处获取正确的安装程序。选择您计算机的操作系统类型并按照说明进行操作。

接下来，在您的机器上安装Docker。转到他们的官方网站并获取适合您的操作系统类型的正确版本。

安装完成后，如果您的计算机运行任何基于Linux的操作系统，您需要将您的用户名添加到Docker组，以便在不使用sudo的情况下运行Docker命令。为此，请打开终端窗口并发出命令sudo usermod -a -G docker ${USER}，然后重新启动机器。

最后，为了确保Docker启动并运行，运行docker run busybox date，如果它返回当前时间和日期，那么你就可以开始了！

创建提交训练作业所需的局部变量

在进入实际代码之前，还有一些额外的步骤。让我们开始吧。

您必须为将保存模型及其相关文件的存储Bucket指定一个名称。为此，我们将使用您的项目ID作为标识符。运行PROJECT_ID=$(gcloud config list project --format "value(core.project)")然后运行BUCKET_NAME=${PROJECT_ID}-aiplatform

接下来，定义您的训练作业将执行的区域。运行REGION=us-central1（您可以在此处找到所有可用区域）。

还需要一些其他变量。要创建它们，请运行：

IMAGE_REPO_NAME=tf_df_custom_container
IMAGE_TAG=tf_df_gpu
IMAGE_URI=gcr.io/$PROJECT_ID/$IMAGE_REPO_NAME:$IMAGE_TAG
MODEL_DIR=df_model_$(date +%Y%m%d_%H%M%S)
JOB_NAME=df_job_$(date +%Y%m%d_%H%M%S)

创建项目所需的Bucket

如果您不熟悉桶也没关系。在GCP和其他一些云提供商（例如AWS）中，存储桶是您可以存储数据的地方。它的行为就像云中的目录。要创建我们项目所需的一个，运行gsutil mb -l $REGION gs://$BUCKET_NAME

我知道这是很多信息，我知道，但我们真的接近尾声，所以坚持住！在接下来的文章，我将深入探讨如何创建我们的Docker容器来训练我们的深度伪造模型，并将工作提交到谷歌AI平台。

https://www.codeproject.com/Articles/5298028/Preparing-to-Train-Deep-Fake-Models-in-the-Cloud