這次不玩 遊戲 ，來玩玩深度學習項目。
這次給大家推薦的項目是人臉生成，這個項目使用過後的感覺就是大體上還算令人滿意，我們先看看效果圖
相信看到效果圖會贊嘆人工智能合成的圖片的效果。這些都不是現實生活中存在的人喲，沒想到還能生成出不少漂亮的小姐姐和帥氣的小哥哥。（顏控福利）
只不過裏面也有缺陷就是例如下面這個。
很明顯這個小孩的手以及嘴巴部分的生成是有壹部分問題的，耳朵也像妖精的耳朵，這個項目的模型還有待提高，那麽接下來我們來看看這個項目怎麽使用吧。
鑒於大陸登錄github速度比較慢，想要項目完整版可以私信我。
· Both Linux and Windows are supported. Linux is recommended for performance and compatibility reasons.
· 64-bit Python 3.6 installation. We recommend Anaconda3 with numpy 1.14.3 or newer.
· TensorFlow 1.14 or 1.15 with GPU support. The code does not support TensorFlow 2.0.
· On Windows, you need to use TensorFlow 1.14 — TensorFlow 1.15 will not work.
· One or more high-end NVIDIA GPUs, NVIDIA drivers, CUDA 10.0 toolkit and cuDNN 7.5. To reproduce the results reported in the paper, you need an NVIDIA GPU with at least 16 GB of DRAM.
· Docker users: use the provided Dockerfile to build an image with the required library dependencies.
- On Windows, the compilation requires Microsoft Visual Studio to be in PATH. We recommend installing Visual Studio Community Edition and adding into PATH using “C:\Program Files (x86)\Microsoft Visual Studio\2019\Community\VC\Auxiliary\Build\vcvars64.bat”.
1.python3.6
2.TensorFlow1.14但不能使用TensorFlow2.0以上
3.安裝英偉達顯卡CUDA10.0並安裝上cuDNN7.5,推薦顯卡16G以上（如果不訓練可以忽略)
4.以上文件需要配置環境變量。
點擊按鈕編輯，把上面的軟件配置進去。
Win10,1050Ti,CUDA 10.0,CuDNN 7.6.5,tensorflow-gpu 1.14.0，VS2017可完美運行。
windows
打開cmd輸入
python X://路徑/generate_yellow.py
會在result文件生成圖像並且生成其代碼；
用編輯器打開generate_yellow.py ，generate_num可以控制生成圖片的數量
如果想編輯膚色，顏值，表情可以使用下面的 人臉屬性編輯腳本。
打開play_with_dlatent.py，在如下部分***有4處可自行設置：
1. 圖第1處設置是生成器所在目錄，譬如對應明星臉生成器就設置為’model/generator_asian_star.pkl’，但要註意generator_asian_star.pkl文件要放在model文件夾下。
2. 圖第2處設置是需要調整的人臉對應的latent碼，latent碼從生成器目錄下的generate_codes文件夾裏獲得，是生成人物對應的txt文件，下面舉壹個例子說明。
比如上圖是用萌娃臉生成器生成的20個小孩，其中我覺得0007號不錯，想對它進行編輯，就在generate_code文件夾裏找到該小孩的生成碼：0007.txt，將其拷貝到人臉屬性編輯中的input_latent目錄下，並在代碼中修改latent碼的名字就可以了。
3. 圖第3處設置調整方向，可以將angle.npy改成如smile.npy等預置的5種模式。
4. 圖第4處設置調整大小，向量裏面的值表示調整幅度，可以自行編輯，對於每個值都會生成壹張圖片並保存。
5. 設置完之後運行python play_with_dlatent.py，就能在result文件夾下看到結果。
上述這麽多生成器看著有點可怕，但其實它離真正的商用之路還早著很呢。。如果真想沖擊傳統視覺行業的話，至少有兩個問題亟待解決：1.相關配套技術有待完善，譬如人臉植入、妝容精細控制、動畫及全身合成等等；2.如何圍繞精細的用戶群構建特定的生成技術服務體系也有待 探索 。