半小时完成图像风格迁移应用,从代码到部署。

Hello！ 这里是GIS宇宙，最近在填坑。
前段时间看到一些玩摄影的朋友们用Dream这款软件创作了不少有意思的图片，什么莫奈风格的图像啦，所以就想着复刻一下，顺便使用最近发现的一款强大的Python构建应用的库来做，从构建到发布大概半小时不到吧（绝对不是标题党！）。

本次代码都是在云端上进行，所以没有设备的同学也可以尝试哦，从构建自己的代码到发布到网站，不需要掌握服务器相关知识轻轻松松做网页。

1 基本步骤

首先在Colab写好代码然后在huggingface发布网站访问网站

是不是听起来很简单呢？好的本期就到这里了，我们下期再见~

言归正传，先来介绍一下今天的主角：gradio。gradio这个库很方便，首先开源，其次提供了很多丰富的组件，直接无脑使用就完事了，案例如下：

import gradio as gr

def sketch_recognition(img):

iface = gr.Interface(
    fn=sketch_recognition, 
    inputs="sketchpad",
    outputs="label"
    ).launch()

定义了一个处理函数，然后定义一下你的输入组件，输出组件，最后一起传给gr的interface就行，然后你会得到下面的效果：

2 Colab写代码

Colab是一个结合谷歌网盘的服务器，你可以把自己的代码上传到这里运行，它自带GPU和空间，就当做自己的电脑使用，编译代码采用的是Jupyter Notebook的形式，

注意就是有些库是没有需要自己安装一下，不过Tesorflow是有的，所以不需要自己配环境，就很爽。
安装命令：!pip install xxx
本次的图像风格迁移我没有自己构建模型，而是用了别人的，毕竟要半小时嘛，能省时间就省时间（狗头）。

定义函数

首先简单定义一个函数，首先我们会获取两张图片，一张作为提取风格的，一张用作变成这一风格的，然后用TFhub里面的模型预测一下，然后返回即可。

def sepia(input_path,input_path2):
  input_img = load_img(input_path)
  input_img2 = load_img(input_path2)

  hub_model = hub.load('https://tfhub.dev/google/magenta/arbitrary-image-stylization-v1-256/2')
  stylized_image = hub_model(tf.constant(input_img), tf.constant(input_img2))[0]
  pre_img = tensor_to_image(stylized_image)
  return pre_img

可视化界面

然后把前面定义好的函数传给gr.Interface，第一个是函数，第二个是案例，可以给一下例子，然后title是你的标题，input因为有两个参数所以用一个列表传入两个图片组件，output我们也选择图片的组件就行。这样就搞定了。

demo = gr.Interface(
    sepia,examples=[[demo_path,demo_path2],],
    title="上传两个图片，将图片转成另一图片风格",
    inputs=[gr.inputs.Image(label="待转换图片",type="filepath"),gr.inputs.Image(label="风格图片",type="filepath")],
    outputs=gr.outputs.Image(type="auto", label="输出"),theme="dark-seafoam"
          )

写代码算它15分钟吧，还剩15分钟部署一下代码

3 部署代码

来到https://huggingface.co/

创建一个仓库，就和Github一个调调啦，记得选择Gradio：

然后来到我们的仓库（或者美名其曰Space）上传一下我们的Notebook，在Colab文件里导出成py文件，记得改名为app.py，或者你自己创建一个py文件复制代码也可。

上传完后，我们新建一个requirements.txt文件：

这里写着我们的代码需要的库，因为人家服务器是没有这些库的，需要装一下。
之后它就会自动Building啦,看到running就是可以成功访问了

访问连接
今天就分享这么多吧，感兴趣大家都可以试试，还是比较有意思的，具体的模型原理下来我再好好学习学习，这里是GIS宇宙，我们下期再见！