【实战】轻轻松松使用StyleGAN2（三）：一笑倾人城，再笑倾人国：让你的女朋友开心笑起来

我们可以用StyleGAN2提取真实人脸的latents，并且用这样的latents重建人脸图像。

一种方法是直接使用StyleGAN2 projector，内容请参考：

轻轻松松使用StyleGAN2（二）：使用run_projector.py将真实人脸投射到StyleGAN2 dlatents空间并重建图像

另外一种，是使用StyleGAN2 Encoder，下面我们着重讲这一种方法。

首先，准备运行环境：

（1）显卡：官网要求有16GB内存的NVIDIA GPU（即：NVIDIA Tesla V100），经实测，11GB内存的NVIDIA GeForce RTX 2080Ti也可以跑起来。

（2）StyleGAN2需要安装定制开发的“TensorFlow ops”，目前只支持TensorFlow 1.14，如果你默认安装的是TensorFlow 1.15，需要重新安装1.14。

（3）安装定制开发的“TensorFlow ops”，还需要C语言编译器，在Windows10平台上，可以选择安装Visual Studio 2017、2019或者2015。

（4）下载预训练的StyleGAN2人脸模型“stylegan2-ffhq-config-f.pkl”，预训练模型下载后，可放在工作目录的“.\models”目录下。

以上（1）-（4）的具体操作说明，可以参见：

轻轻松松使用StyleGAN2（一）：试用经验分享

涉及Visual Studio 2015和Cuda/CuDNN的安装指南，可以参见：

非常详细：Windows 10+Anaconda3+CUDA10.1，安装dlib19.17开发环境成功手记

（5）获取StyleGAN2 Encoder，GitHub上的链接是：

https://github.com/rolux/stylegan2encoder

我们可以把源代码下载下来，解压缩后放到我们的工作目录下：

（6）获取StyleGAN2人脸编辑向量，GitHub上的链接是：

https://github.com/a312863063/generators-with-stylegan2

我们可以把源代码下载下来，解压缩后放到我们的工作目录下：

（7）把StyleGAN2人脸编辑向量，复制到StyleGAN2 Encoder的“.\ffhq_dataset”目录下，比如：

将“generaters-with-stylegan2-master\latent-direcitons”整个目录copy到“stylegan2encoder-master\ffhq_dataset”目录下。

（8）修改部分文件，

（8.1）修改pretrained_networks.py：

    # 'gdrive:networks/stylegan2-ffhq-config-f.pkl':                          'https://drive.google.com/uc?id=1Mgh-jglZjgksupF0XLl0KzuOqd1LXcoE',
    'gdrive:networks/stylegan2-ffhq-config-f.pkl':                           '.\models\stylegan2-ffhq-config-f.pkl',

（8.2） 创建config.py：

dlatents_dir = 'latent_representations'
generated_dir = 'generated_images'
result_dir = 'results'

（8.3） 创建move_and_show.py

import os
import pickle
import PIL.Image
import numpy as np
import dnnlib
import dnnlib.tflib as tflib
import config
from encoder.generator_model import Generator
import matplotlib.pyplot as plt
import glob

# 预训练好的网络模型，来自NVIDIA
Model = './models/stylegan2-ffhq-config-f.pkl'
_Gs_cache = dict()

# 加载StyleGAN已训练好的网络模型
def load_Gs(model):
    if model n