准备工作
之前的准备工作,主要是:
开始运行
1. 在Anaconda Prompt窗口中,进入Tensoflow环境,并运行python:
> activate tensorflow
> python
2. 导入tensorflow,并将python的工作目录,转到该程序所在的目录下:
注意:在切换python的工作目录时,在win下复制的路径需要转换一下。原始的wins下的目录为:C:\Users\yitian.z\CNN\image-style-transfor-master,转换后的目录为:C:/Users/yitian.z/CNN/image-style-transfor-master。
3. 在运行项目之前,需要安装scipy和mkl package
相关包的依赖顺序为:在安装scipy package之前,需要安装numpy+mkl packages。但在wins平台下,直接安装mkl和scipy packages均失败。所以这里使用下载后,在本地安装。
Packages下载地址:http://www.lfd.uci.edu/~gohlke/pythonlibs/#scipy
选择和系统版本匹配的numpy+mkl packages 和scipy package。我这里使用的为:
下载后,将两个文件放到tensorflow环境相应的工作目录下,我这里为:
使用如下命令和顺序进行安装:
pip install numpy-1.12.0b1+mkl-cp35-cp35m-win_amd64.whl
pip install scipy-0.19.0rc2-cp35-cp35m-win_amd64.whl
安装完成后,继续。
4. 在python环境中,运行项目
命令:
neural_style.py –content 1-content.jpg –styles 1-style.jpg –out OutFile.jpg
出现错误1:module scipy.misc has no attribute imread
解决方法:报错是因为要安装PIL库,库名现在为Pillow,在命令行上安装即可:pip3 install Pillow
出现问题2:
问题描述:这里的问题应该是出现在cuDNN packages版本较低,这里使用的为cnDNN 5.0 for CUDA 8.0,看来需要更新到cnDNN 5.1 for CUDA8.0.
解决方法:下载cnDNN 5.1 for CUDA8.0 package解压文件之后,将解压文件中的各个目录下的文件复制到CUDA相应的目录中。解压后的文件目录为:
复制到的目录为:
重新运行该程序
成功运行:
查看GPU的使用率:
运行效率
使用CPU进行运行时,完成默认的1000次迭代输出,大约用时:480mins。使用GPU,相同的迭代次数,大约用时:45mins
运行结果
+