Photo-Sketching是一个开源模块，可以识别照片的轮廓并将其转换为“素描”类型的图像。比如这只小狗：模型改造后会变成卡通版的小狗：当然不是所有的照片都能处理好，比如这幅山水画：变成抽象风格了：很漂亮，这个很人工智能。这个模块的使用比较简单。这里给大家做一个综合教程：一、虚拟环境及依赖安装本项目推荐大家直接使用Anaconda搭建开发环境：因为作者提供了一个environment.yml文件，所以只需要输入以下命令即可安装一键创建环境和依赖：condaenvcreate-fenvironment.yml另外推荐大家使用VSCode编辑器编写Python小项目，如下：Python编程最佳搭档——VSCode详解指南。2.下载预训练模型下载完成后，解压文件，将latest_net_D.pth和latest_net_G.pth放在Checkpoints文件夹中：3.运行预训练模型接下来，我们需要修改启动脚本，使用预训练模型。这些脚本都放在PhotoSketch\scripts下，我们需要用到test_pretrained.cmd或test_pretrained.sh这两个脚本。如果你是Windows系统，请修改test_pretrained.cmd脚本，重点关注dataDir、results_dir、checkpoints_dir：dataDir指向PhotoSketch所在的文件夹目录。如果你像我一样匹配，results_dir只需设置为%dataDir%\PhotoSketch\Results*就足够了，checkpoints_dir为%dataDir%\PhotoSketch\Checkpoints*。如果你是macOS或者Linux，修改test_pretrained.sh文件，修改方法和上面windows的一样，只是要把反斜杠“\”换成斜杠“/”。修改脚本后，打开命令行/终端，输入以下命令，你的PhotoSketch\examples目录下的文件就会被转换成“草图”。windows:scripts\test_pretrained.cmdLinux/MacOS:./scripts/test_pretrained.sh在PhotoSketch\Results中可以看到转换结果，如下两图所示。待转换内容：转换后：可以看到效果其实不是很好。由于是作者预训练的模型，效果不好也是正常的。如果需要的话，可以用一些图片自己训练模型，针对目标做识别，效果是最好的。需要训练或测试自己的模型也很简单：在仓库根目录下，运行scripts/train.sh可以训练模型在仓库根目录下，运行scripts/test.sh可以测试valsetortestsetofcoursetraining的过程肯定没有那么简单，你会遇到很多问题，不过我相信大部分都是存储图片的目录结构的问题，有兴趣的可以自己尝试一下。以上就是本次分享的全部内容。觉得文章还不错的话，请关注公众号：Python编程学习圈，每日干货分享，发送“J”还能收到海量学习资料，涵盖Python电子书和教程，数据库编程、Django、爬虫、云计算等。或者去编程学习网了解更多编程技术知识。
