没GPU也能玩梵高作画:Ubuntu tensorflow CPU版
作者:七月在线开发/市场团队骁哲、李伟、July
时间:二零一六年九月二十七日
交流:TensorFlow实战交流Q群 472899334,有问题可以加此群共同交流。另探究实验背后原理,请参看:11月深度学习班。
一、前言
9月22号,我们开发/市场团队的两同事利用DL学梵高作画,安装cuda 8.0趟遍无数坑,很多朋友求避坑。因此,3天后的9月25日,便把教程《教你从头到尾利用DL学梵高作画:GTX 1070 cuda 8.0 tensorflow gpu版》公布出去。但令人尴尬的是,不少同学没有GTX 1070、甚至没有一块像样的GPU。
对于在北京的朋友,我们可以提供1070机器免费给大家实验,但对于更多不在北京的朋友呢?为了让每一个人都能玩一把,特此发布本tensorflow作画的CPU版教程。你会看到,搭建过程相比较GPU版本而言简单太多太多了,但缺点是没有了GPU,计算过程非常熬人,i7-6700大约1.5h(要知道,如果搭好GPU,最后计算过程就几分钟的事)。
但不管咋样,之前你说没有GTX 1070所以没去动手,那现在有个CPU就能跑了,不受硬件条件限制,何不现在就动手试一把?希望更多朋友与我们一起玩更多有趣、好玩的实验。
二、安装
2.1、安装tensorflow
Windows下打开浏览器,输入:https://github.com/tensorflow/tensorflow
下载Linux CPU-only:Python2 如下图,后面步骤3.1会用到此文件
2.2 安装neural-style
再在地址栏输入:https://github.com/anishathalye/neural-style
2.3 安装vgg19
再在地址栏输入:http://www.vlfeat.org/matconvnet/models/beta16/imagenet-vgg-verydeep-19.mat
弹出一个下载对话框,直接下载。
下载后的文件放到刚刚的neural-style文件夹根目录下就行,如图就是我下载复制好的文件样子。
PS:记得将以上所有文件夹放到自己U盘,以备Ubuntu下使用。
2.4、安装Ubuntu14.04
装Ubuntu16.04一样,CPU对Ubuntu版本无要求。
下载Ubuntu14.04:http://www.ubuntu.com/download/alternative-downloads(选择64位下载)
UltraISO软碟通:
http://cn.ultraiso.net/xiazai.html(下载地址)
如果遇到问题,详见GPU版本中关于安装Ubuntu的说明。^__^
三、实验
3.1 准备工作
打开Ubuntu的命令窗口,输入:sudo –i
*** (你的密码)
apt-get update(更新所有源)
sudo apt-get install Python-dev python-pip Python-scipy Git
(以上命令是下载一些tensorflow的必要库)
输入完以上命令后,将刚刚保存下载文件的U盘插入,然后将文件复制到Download目录下(其他目录也可以,熟悉Linux的同学自行搞定就OK!)
接着输入:cd /home/***(你的用户名)/Download/ 回车键
输入:pip install tensorflow-0.10.0-cp27-none-linux_x86_64.whl //此文件为 2.1步骤中下载
3.2 开始实验
成功后输入:cd neural-style- neural-style-master 进入neural文件夹目录下
输入:python neural_style.py –content ./examples/1-content.jpg –styles ./examples/1-style.jpg –output ./examples/JulyEdu.jpg 回车键
然后等待
等待着下课
等待着放学
等待游戏的童年
…
等待就好了(你自会体会到我们之前所说的这句话的:等待的过程就像生孩子一样),计算过程可能一两个小时,可能3、4个小时,可能更久(看CPU配置和图片大小)。
但直到“孩子”生出来,你会加倍热爱之。
其他教程
- 梵高作画 MAC + tensorflow + CPU 版本 (mac cpu)
- i5-4590+VMware10+ubuntu16.04 谷歌tensorflow学习梵高作画
- MAC MxNet CPU 版利用DL学梵高作画
- ..
后记
没有别的想说的,就是我们会带着大家做更多实验。最后探究实验背后原理,请参看此课程:11月深度学习班。
七月在线开发/市场团队骁哲、李伟、July,二零一六年九月二十七日。
最后的最后:
ps :我自己使用的deepin的系统试的,因为是装的双系统,且python神马的之前也都安装过了,所以中间倒是省了不少步骤。不过效果相当不错啊。不过图片果然还是小一点的好,大概不到2M的图片跑了快10个小时。感觉CPU都要烧起来了……心累……
原图
处理后
最后感谢july博主大大的文,相当有用~