{"id":470887,"date":"2025-08-15T15:01:27","date_gmt":"2025-08-15T15:01:27","guid":{"rendered":"http:\/\/savepearlharbor.com\/?p=470887"},"modified":"-0001-11-30T00:00:00","modified_gmt":"-0001-11-29T21:00:00","slug":"","status":"publish","type":"post","link":"https:\/\/savepearlharbor.com\/?p=470887","title":{"rendered":"\u041c\u0443\u043b\u044c\u0442\u0444\u0438\u043b\u044c\u043c\u044b \u0438\u0437 \u043d\u0438\u0447\u0435\u0433\u043e: \u0447\u0442\u043e \u0442\u0430\u043a\u043e\u0435 GAN \u0438 \u043a\u0430\u043a \u0441\u043e\u0437\u0434\u0430\u0442\u044c \u0438\u0445 \u0441 VToonify<\/span>"},"content":{"rendered":"
<\/div>\n
\n
\n
\n
\n

\u041f\u0440\u0438\u0432\u0435\u0442, \u0425\u0430\u0431\u0440! \u041d\u0430 \u0441\u0432\u044f\u0437\u0438 \u041f\u0430\u0432\u0435\u043b \u0421\u0435\u0440\u043e\u0432 \u0438\u0437 Cloud4Y. <\/strong>\u0418 \u0441\u0435\u0433\u043e\u0434\u043d\u044f \u043f\u043e\u0433\u043e\u0432\u043e\u0440\u0438\u043c \u043f\u0440\u043e GAN \u2014 \u0433\u0435\u043d\u0435\u0440\u0430\u0442\u0438\u0432\u043d\u043e-\u0441\u043e\u0441\u0442\u044f\u0437\u0430\u0442\u0435\u043b\u044c\u043d\u044b\u0435 \u0441\u0435\u0442\u0438.\u00a0<\/p>\n

\u041f\u0440\u0435\u0434\u0441\u0442\u0430\u0432\u044c\u0442\u0435, \u0447\u0442\u043e \u043d\u0435\u0439\u0440\u043e\u0441\u0435\u0442\u0438 \u0443\u0441\u0442\u0440\u043e\u0438\u043b\u0438 \u043d\u0430\u0441\u0442\u043e\u044f\u0449\u0443\u044e \u0433\u043e\u043d\u043a\u0443 \u0432\u043e\u043e\u0440\u0443\u0436\u0435\u043d\u0438\u0439: \u043e\u0434\u043d\u0430 (\u0433\u0435\u043d\u0435\u0440\u0430\u0442\u043e\u0440) \u043f\u044b\u0442\u0430\u0435\u0442\u0441\u044f \u0441\u043e\u0437\u0434\u0430\u0432\u0430\u0442\u044c \u0444\u0435\u0439\u043a\u043e\u0432\u044b\u0435 \u0432\u0438\u0434\u0435\u043e, \u0430 \u0434\u0440\u0443\u0433\u0430\u044f (\u0434\u0438\u0441\u043a\u0440\u0438\u043c\u0438\u043d\u0430\u0442\u043e\u0440) \u0438\u0437\u043e \u0432\u0441\u0435\u0445 \u0441\u0438\u043b \u043f\u044b\u0442\u0430\u0435\u0442\u0441\u044f \u0440\u0430\u0441\u043f\u043e\u0437\u043d\u0430\u0442\u044c \u043f\u043e\u0434\u0434\u0435\u043b\u043a\u0443. \u042d\u0442\u043e \u0438 \u0435\u0441\u0442\u044c GAN. \u0412 \u0438\u0442\u043e\u0433\u0435 \u0433\u0435\u043d\u0435\u0440\u0430\u0442\u043e\u0440 \u0441\u0442\u0430\u043d\u043e\u0432\u0438\u0442\u0441\u044f \u043d\u0430\u0441\u0442\u043e\u043b\u044c\u043a\u043e \u043a\u0440\u0443\u0442, \u0447\u0442\u043e \u0435\u0433\u043e \u0432\u0438\u0434\u0435\u043e \u043d\u0435 \u043e\u0442\u043b\u0438\u0447\u0438\u0448\u044c \u043e\u0442 \u043d\u0430\u0441\u0442\u043e\u044f\u0449\u0438\u0445.<\/p>\n

\u0425\u043e\u0442\u0438\u0442\u0435 \u0441\u043e\u0437\u0434\u0430\u0442\u044c \u0442\u0430\u043a\u0443\u044e \u043d\u0435\u0439\u0440\u043e\u0441\u0435\u0442\u044c \u0434\u043b\u044f \u0433\u0435\u043d\u0435\u0440\u0430\u0446\u0438\u0438 \u0432\u0438\u0434\u0435\u043e? \u041d\u0430\u043f\u0440\u0438\u043c\u0435\u0440, \u0447\u0442\u043e\u0431\u044b \u043f\u0440\u0435\u0432\u0440\u0430\u0449\u0430\u0442\u044c \u043e\u0431\u044b\u0447\u043d\u044b\u0435 \u043b\u0438\u0446\u0430 \u0432 \u043c\u0443\u043b\u044c\u0442\u044f\u0448\u043d\u044b\u0435? \u0412 \u0441\u0442\u0430\u0442\u044c\u0435 \u043f\u043e\u043a\u0430\u0436\u0443, \u043a\u0430\u043a \u044d\u0442\u043e \u0441\u0434\u0435\u043b\u0430\u0442\u044c \u0448\u0430\u0433 \u0437\u0430 \u0448\u0430\u0433\u043e\u043c, \u0441 \u043f\u043e\u043c\u043e\u0449\u044c\u044e \u0444\u0440\u0435\u0439\u043c\u0432\u043e\u0440\u043a\u0430 VToonify.<\/p>\n

<\/figure>\n

\u041a\u0430\u043a \u0443\u0441\u0442\u0440\u043e\u0435\u043d\u044b GAN<\/h3>\n

\u041f\u043e\u043a\u0430 \u0433\u0435\u043d\u0435\u0440\u0430\u0442\u043e\u0440 \u043e\u0442\u0442\u0430\u0447\u0438\u0432\u0430\u0435\u0442 \u043c\u0430\u0441\u0442\u0435\u0440\u0441\u0442\u0432\u043e, \u0447\u0442\u043e\u0431\u044b \u0441\u043e\u0437\u0434\u0430\u0442\u044c \u0440\u0435\u0430\u043b\u0438\u0441\u0442\u0438\u0447\u043d\u044b\u0435 \u0432\u0438\u0434\u0435\u043e, \u0434\u0438\u0441\u043a\u0440\u0438\u043c\u0438\u043d\u0430\u0442\u043e\u0440 \u043d\u0430\u0441\u0442\u0440\u0430\u0438\u0432\u0430\u0435\u0442 \u0441\u0432\u043e\u0439 \u0432\u043d\u0443\u0442\u0440\u0435\u043d\u043d\u0438\u0439 \u0434\u0435\u0442\u0435\u043a\u0442\u043e\u0440 \u043b\u0436\u0438. \u0422\u0430\u043a \u043e\u043d\u0438 \u043e\u0431\u0430 \u0441\u043e\u0432\u0435\u0440\u0448\u0435\u043d\u0441\u0442\u0432\u0443\u044e\u0442\u0441\u044f. \u0418 \u044d\u0442\u043e\u0442 \u043f\u0440\u043e\u0446\u0435\u0441\u0441 \u0434\u043b\u0438\u0442\u0441\u044f \u0434\u043e \u043f\u043e\u0431\u0435\u0434\u043d\u043e\u0433\u043e: \u0433\u0435\u043d\u0435\u0440\u0430\u0442\u043e\u0440 \u0434\u043e\u043b\u0436\u0435\u043d \u043d\u0430\u0443\u0447\u0438\u0442\u044c\u0441\u044f \u0441\u043e\u0437\u0434\u0430\u0432\u0430\u0442\u044c \u0432\u0438\u0434\u0435\u043e, \u043a\u043e\u0442\u043e\u0440\u044b\u0435 \u043d\u0435 \u043e\u0442\u043b\u0438\u0447\u0438\u0448\u044c \u043e\u0442 \u043d\u0430\u0441\u0442\u043e\u044f\u0449\u0438\u0445! \u0410 \u043f\u043e\u0441\u043b\u0435 \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u044f? \u041f\u0440\u043e\u0441\u0442\u043e \u0441\u043a\u043e\u0440\u043c\u0438\u0442\u0435 \u0433\u0435\u043d\u0435\u0440\u0430\u0442\u043e\u0440\u0443 \u043d\u043e\u0432\u044b\u0439 \u00ab\u0448\u0443\u043c\u00bb \u2014 \u0438 \u043e\u043d \u043c\u0433\u043d\u043e\u0432\u0435\u043d\u043d\u043e \u0432\u044b\u0434\u0430\u0441\u0442 \u0432\u0430\u043c \u0441\u0432\u0435\u0436\u0438\u0439 \u0432\u0438\u0434\u0435\u043e\u0440\u043e\u043b\u0438\u043a \u0438\u0437, \u043a\u0430\u0437\u0430\u043b\u043e\u0441\u044c \u0431\u044b, \u043f\u043e\u043b\u043d\u043e\u0433\u043e \u0445\u0430\u043e\u0441\u0430.<\/p>\n

\"\u0421\u0445\u0435\u043c\u0430.<\/p>\n
\u0421\u0445\u0435\u043c\u0430. \u041a\u0430\u043a \u0440\u0430\u0431\u043e\u0442\u0430\u0435\u0442 GAN<\/em><\/figcaption><\/div>\n<\/figure>\n

\u041a\u0430\u043a \u0441\u043e\u0437\u0434\u0430\u0442\u044c \u0433\u0435\u043d\u0435\u0440\u0430\u0442\u0438\u0432\u043d\u0443\u044e \u0432\u0438\u0434\u0435\u043e\u043c\u043e\u0434\u0435\u043b\u044c\u00a0\u00a0<\/h3>\n

\u0412\u0435\u0441\u044c \u043f\u0440\u043e\u0446\u0435\u0441\u0441 \u0441\u043e\u0437\u0434\u0430\u043d\u0438\u044f GAN \u0440\u0430\u0437\u0431\u0435\u0440\u0451\u043c \u0432\u0436\u0438\u0432\u0443\u044e.\u00a0<\/p>\n

\u0414\u043b\u044f \u043d\u0430\u0447\u0430\u043b\u0430 \u0441\u043e\u0431\u0435\u0440\u0451\u043c \u00ab\u0446\u0438\u0444\u0440\u043e\u0432\u043e\u0439 \u0447\u0435\u043c\u043e\u0434\u0430\u043d\u0447\u0438\u043a\u00bb. \u0418 \u043f\u0435\u0440\u0432\u044b\u043c \u0434\u0435\u043b\u043e\u043c \u0433\u043e\u0442\u043e\u0432\u0438\u043c \u0440\u0430\u0431\u043e\u0447\u0435\u0435 \u043c\u0435\u0441\u0442\u043e.<\/em><\/p>\n

\u0411\u0435\u0440\u0451\u043c Python (\u043a\u0443\u0434\u0430 \u0436\u0435 \u0431\u0435\u0437 \u043d\u0435\u0433\u043e!) \u0438 \u0437\u0430\u043f\u0430\u0441\u0430\u0435\u043c\u0441\u044f \u0431\u0438\u0431\u043b\u0438\u043e\u0442\u0435\u043a\u0430\u043c\u0438: \u0441\u0442\u0430\u0432\u0438\u043c PyTorch \u0434\u043b\u044f \u0433\u043b\u0443\u0431\u043e\u043a\u043e\u0433\u043e \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u044f:<\/p>\n

pip install torch torchvision NumPy: pip install numpy OpenCV: pip install opencv-python Matplotlib: pip install matplotlib<\/code><\/pre>\n
\u0424\u043e\u0440\u0441\u0438\u0440\u0443\u0435\u043c \u0436\u0435\u043b\u0435\u0437\u043e (\u0438\u043b\u0438 \u0430\u0440\u0435\u043d\u0434\u0443\u0435\u043c \u00ab\u0442\u0430\u043d\u043a\u00bb)<\/h4>\n
Anaconda + CUDA Toolkit \u2014 \u044d\u0442\u043e \u043a\u0430\u043a \u0440\u0430\u0437 \u0442\u043e, \u0447\u0442\u043e \u043d\u0430\u043c \u043d\u0430\u0434\u043e. \u0421\u0442\u0430\u0432\u0438\u043c \u0438\u0445, \u0447\u0442\u043e\u0431\u044b \u0433\u043e\u043d\u044f\u0442\u044c \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u0435 \u043d\u0430 GPU \u0441\u043e \u0441\u043a\u043e\u0440\u043e\u0441\u0442\u044c\u044e \u0441\u0432\u0435\u0442\u0430 (\u043d\u0443, \u043f\u043e\u0447\u0442\u0438). \u0413\u043b\u0430\u0432\u043d\u043e\u0435 \u2014 \u0441\u043a\u0430\u0447\u0438\u0432\u0430\u0435\u043c \u0432\u0435\u0440\u0441\u0438\u0438, \u0441\u043e\u0432\u043c\u0435\u0441\u0442\u0438\u043c\u044b\u0435 \u0441 \u0432\u0430\u0448\u0435\u0439 \u0432\u0438\u0434\u0435\u043e\u043a\u0430\u0440\u0442\u043e\u0439.<\/p>\n
\u041b\u0435\u043d\u044c \u0432\u043e\u0437\u0438\u0442\u044c\u0441\u044f \u0441 \u00ab\u0436\u0435\u043b\u0435\u0437\u043a\u0430\u043c\u0438\u00bb? \u0414\u043e\u0431\u0440\u043e \u043f\u043e\u0436\u0430\u043b\u043e\u0432\u0430\u0442\u044c \u0432 Cloud4Y<\/a> \u2014 \u0432\u0430\u0448\u0435 \u0433\u043e\u0442\u043e\u0432\u043e\u0435 \u0440\u0435\u0448\u0435\u043d\u0438\u0435 \u0441 \u043c\u043e\u0449\u043d\u044b\u043c\u0438 GPU \u0432 \u043e\u0431\u043b\u0430\u043a\u0435. \u041f\u0440\u043e\u0441\u0442\u043e \u0431\u0435\u0440\u0451\u043c \u0438 \u043f\u0440\u0438\u043c\u0435\u043d\u044f\u0435\u043c.<\/p>\n
\u0414\u0430\u043b\u044c\u0448\u0435 \u0433\u043e\u0442\u043e\u0432\u0438\u043c \u00ab\u0442\u043e\u043f\u043b\u0438\u0432\u043e\u00bb: \u0431\u0435\u0437 \u0434\u0430\u043d\u043d\u044b\u0445 \u2013 \u043d\u0438\u043a\u0443\u0434\u0430<\/h4>\n
\u0412\u0430\u043c \u043f\u043e\u043d\u0430\u0434\u043e\u0431\u044f\u0442\u0441\u044f \u043a\u0430\u0440\u0442\u0438\u043d\u043a\u0438 \u0438\u043b\u0438 \u0432\u0438\u0434\u0435\u043e, \u043d\u0430 \u043a\u043e\u0442\u043e\u0440\u044b\u0445 \u043d\u0435\u0439\u0440\u043e\u0441\u0435\u0442\u044c \u0431\u0443\u0434\u0435\u0442 \u0443\u0447\u0438\u0442\u044c\u0441\u044f \u0441\u0432\u043e\u0435\u043c\u0443 \u0432\u043e\u043b\u0448\u0435\u0431\u0441\u0442\u0432\u0443. \u0425\u043e\u0442\u0438\u0442\u0435 \u043c\u0443\u043b\u044c\u0442\u044f\u0448\u043d\u044b\u0435 \u043b\u0438\u0446\u0430? \u0417\u043d\u0430\u0447\u0438\u0442, \u0438\u0449\u0435\u043c (\u0438\u043b\u0438 \u0441\u043e\u0437\u0434\u0430\u0451\u043c!) \u043d\u0430\u0431\u043e\u0440 \u0441 \u0440\u0435\u0430\u043b\u044c\u043d\u044b\u043c\u0438 \u043b\u0438\u0446\u0430\u043c\u0438 \u0438 \u0438\u0445 \u043c\u0443\u043b\u044c\u0442\u044f\u0448\u043d\u044b\u043c\u0438 \u00ab\u0434\u0432\u043e\u0439\u043d\u0438\u043a\u0430\u043c\u0438\u00bb. \u0427\u0435\u043c \u043a\u0430\u0447\u0435\u0441\u0442\u0432\u0435\u043d\u043d\u0435\u0435 \u00ab\u0442\u043e\u043f\u043b\u0438\u0432\u043e\u00bb, \u0442\u0435\u043c \u043a\u0440\u0443\u0447\u0435 \u0440\u0435\u0437\u0443\u043b\u044c\u0442\u0430\u0442! \u041f\u043e\u043c\u043d\u0438\u0442\u0435: \u043d\u0435\u0439\u0440\u043e\u0441\u0435\u0442\u044c \u2014 \u043a\u0430\u043a \u0445\u0443\u0434\u043e\u0436\u043d\u0438\u043a, \u0435\u0439 \u043d\u0443\u0436\u043d\u044b \u0445\u043e\u0440\u043e\u0448\u0438\u0435 \u043e\u0431\u0440\u0430\u0437\u0446\u044b.<\/p>\n
\u041f\u0440\u043e\u0435\u043a\u0442\u0438\u0440\u0443\u0435\u043c \u0430\u0440\u0445\u0438\u0442\u0435\u043a\u0442\u0443\u0440\u0443 \u043c\u043e\u0434\u0435\u043b\u0438<\/h4>\n
\u0410\u0440\u0445\u0438\u0442\u0435\u043a\u0442\u0443\u0440\u0430 \u043c\u043e\u0434\u0435\u043b\u0438 \u2014 \u044d\u0442\u043e \u0432\u0441\u0451 \u0440\u0430\u0432\u043d\u043e \u0447\u0442\u043e \u0447\u0435\u0440\u0442\u0451\u0436 \u0434\u043b\u044f \u043d\u0430\u0448\u0435\u0433\u043e \u043f\u0440\u043e\u0435\u043a\u0442\u0430. \u041e\u0442 \u043d\u0435\u0451 \u0437\u0430\u0432\u0438\u0441\u0438\u0442 \u0412\u0421\u0401: \u043f\u043b\u0430\u0432\u043d\u043e\u0441\u0442\u044c \u0432\u0438\u0434\u0435\u043e, \u043a\u0430\u0447\u0435\u0441\u0442\u0432\u043e \u043a\u0430\u0440\u0442\u0438\u043d\u043a\u0438 \u0438 \u0441\u0442\u0438\u043b\u044c.\u00a0<\/p>\n
\u0412\u0438\u0434\u0435\u043e \u2014 \u044d\u0442\u043e \u041b\u0415\u041d\u0422\u0410 \u043a\u0430\u0434\u0440\u043e\u0432, \u0441\u0432\u044f\u0437\u0430\u043d\u043d\u044b\u0445 \u0432\u043e \u0432\u0440\u0435\u043c\u0435\u043d\u0438, \u0438 \u043d\u0430\u0448 \u00ab\u0434\u0432\u0438\u0436\u043e\u043a\u00bb \u0434\u043e\u043b\u0436\u0435\u043d \u044d\u0442\u043e \u043f\u043e\u043d\u0438\u043c\u0430\u0442\u044c. \u041f\u043e\u044d\u0442\u043e\u043c\u0443 \u043f\u043e\u0434 \u043a\u0430\u043f\u043e\u0442 \u0447\u0430\u0441\u0442\u043e \u0441\u0442\u0430\u0432\u044f\u0442 CNN, \u0447\u0442\u043e\u0431\u044b \u0432\u0438\u0434\u0435\u0442\u044c \u0434\u0435\u0442\u0430\u043b\u0438 \u0432\u043d\u0443\u0442\u0440\u0438<\/em> \u043a\u0430\u0436\u0434\u043e\u0433\u043e \u043a\u0430\u0434\u0440\u0430, \u0438 RNN, \u0447\u0442\u043e\u0431\u044b \u043f\u043e\u043c\u043d\u0438\u0442\u044c, \u0447\u0442\u043e \u0431\u044b\u043b\u043e \u0441\u0435\u043a\u0443\u043d\u0434\u0443 \u043d\u0430\u0437\u0430\u0434,<\/em> \u0438 \u0441\u043e\u0437\u0434\u0430\u0432\u0430\u0442\u044c \u043f\u043b\u0430\u0432\u043d\u044b\u0435 \u043f\u0435\u0440\u0435\u0445\u043e\u0434\u044b.<\/p>\n
\u041d\u0430\u0448 \u0444\u0430\u0432\u043e\u0440\u0438\u0442 \u2014 VToonify \u043e\u0442 MMLab@NTU. \u041e\u043d \u0441\u043e\u0437\u0434\u0430\u043d \u0434\u043b\u044f \u0442\u043e\u043f\u043e\u0432\u044b\u0445 \u043c\u0443\u043b\u044c\u0442\u044f\u0448\u043d\u044b\u0445 \u043f\u043e\u0440\u0442\u0440\u0435\u0442\u043e\u0432 \u0432 \u0432\u0438\u0434\u0435\u043e. \u0415\u0433\u043e \u0441\u0438\u043b\u0430 \u2014 \u0432 \u0443\u043c\u043d\u043e\u043c \u0433\u0438\u0431\u0440\u0438\u0434\u0435: \u0433\u0438\u0431\u043a\u043e\u0441\u0442\u044c Image Translation (\u0440\u0430\u0431\u043e\u0442\u0430\u0435\u0442 \u0441 \u0432\u0438\u0434\u0435\u043e \u043b\u044e\u0431\u043e\u0433\u043e \u0440\u0430\u0437\u043c\u0435\u0440\u0430<\/em>) \u0438 \u043c\u043e\u0449\u044c StyleGAN (\u0441\u0432\u0435\u0440\u0445\u0447\u0435\u0442\u043a\u043e\u0435 \u0440\u0430\u0437\u0440\u0435\u0448\u0435\u043d\u0438\u0435 + \u0442\u043e\u0447\u0435\u0447\u043d\u044b\u0439 \u043a\u043e\u043d\u0442\u0440\u043e\u043b\u044c \u0441\u0442\u0438\u043b\u044f).<\/p>\n
\u0421\u0435\u043a\u0440\u0435\u0442 VToonify \u2014 \u0432 \u0434\u0432\u0438\u0436\u043a\u0435 StyleGAN \u0438 \u0442\u044e\u043d\u0438\u043d\u0433\u0443\u0435\u0442 \u0435\u0433\u043e: \u0434\u043e\u0431\u0430\u0432\u043b\u044f\u0435\u0442 \u00ab\u0441\u043a\u0430\u043d\u0435\u0440\u00bb (\u042d\u043d\u043a\u043e\u0434\u0435\u0440) \u0434\u043b\u044f \u0430\u043d\u0430\u043b\u0438\u0437\u0430 \u0432\u0430\u0448\u0435\u0433\u043e<\/em> \u0432\u0438\u0434\u0435\u043e \u0438 \u00ab\u0441\u0443\u043f\u0435\u0440-\u0433\u0435\u043d\u0435\u0440\u0430\u0442\u043e\u0440\u00bb, \u0441\u043e\u0437\u0434\u0430\u044e\u0449\u0438\u0439 \u043c\u0443\u043b\u044c\u0442\u044f\u0448\u043d\u0443\u044e<\/em> \u0432\u0435\u0440\u0441\u0438\u044e \u0441 \u0441\u043e\u0445\u0440\u0430\u043d\u0435\u043d\u0438\u0435\u043c \u0432\u0441\u0435\u0445 \u0434\u0435\u0442\u0430\u043b\u0435\u0439 (\u0431\u0440\u043e\u0432\u0438, \u0440\u043e\u0434\u0438\u043d\u043a\u0438!) \u0438 \u043f\u043e\u043b\u043d\u044b\u043c \u043f\u043e\u0434\u0447\u0438\u043d\u0435\u043d\u0438\u0435\u043c \u0441\u0442\u0438\u043b\u044e. \u0410 \u043f\u043e\u043b\u043d\u043e\u0441\u0442\u044c\u044e \u0441\u0432\u0435\u0440\u0442\u043e\u0447\u043d\u0430\u044f \u0430\u0440\u0445\u0438\u0442\u0435\u043a\u0442\u0443\u0440\u0430 \u2014 \u0433\u0430\u0440\u0430\u043d\u0442\u0438\u044f \u043f\u043b\u0430\u0432\u043d\u043e\u0441\u0442\u0438 \u043f\u0440\u0438 \u043b\u044e\u0431\u043e\u043c \u0440\u0430\u0437\u0440\u0435\u0448\u0435\u043d\u0438\u0438.<\/p>\n
\u0415\u0441\u0442\u044c \u0434\u0432\u0435 \u0432\u0435\u0440\u0441\u0438\u0438: \u0431\u0430\u0437\u043e\u0432\u044b\u0439 \u0438 \u0431\u044b\u0441\u0442\u0440\u044b\u0439 VToonify-T (Turbo) \u043d\u0430 \u0434\u0432\u0438\u0436\u043a\u0435 \u043e\u0442 Toonify \u0438 \u043d\u0430\u0448 \u0432\u044b\u0431\u043e\u0440 \u2014 \u043f\u0440\u043e\u0434\u0432\u0438\u043d\u0443\u0442\u044b\u0439 VToonify-D (Deluxe) \u0441 DualStyleGAN \u0434\u043b\u044f \u0442\u043e\u043d\u0447\u0430\u0439\u0448\u0435\u0439 \u043d\u0430\u0441\u0442\u0440\u043e\u0439\u043a\u0438 (\u0444\u043e\u043d, \u0441\u043b\u043e\u0436\u043d\u044b\u0435 \u044d\u0444\u0444\u0435\u043a\u0442\u044b). \u0418\u043c\u0435\u043d\u043d\u043e \u0435\u0433\u043e \u043c\u044b \u0438 \u0431\u0443\u0434\u0435\u043c \u0441\u043e\u0431\u0438\u0440\u0430\u0442\u044c!<\/p>\n
\u041d\u0430\u0448\u0438 \u0434\u0435\u0439\u0441\u0442\u0432\u0438\u044f \u043f\u0440\u043e\u0441\u0442\u044b:<\/strong><\/p>\n
    \n
  1. \n
    \u041f\u0440\u043e\u043a\u043b\u0430\u0434\u044b\u0432\u0430\u0435\u043c \u00ab\u043c\u0430\u0440\u0448\u0440\u0443\u0442\u00bb. \u041d\u0430\u043f\u0440\u0438\u043c\u0435\u0440, \u0440\u0435\u0430\u043b\u044c\u043d\u043e\u0435 \u043b\u0438\u0446\u043e \u043d\u0430 \u0432\u0445\u043e\u0434\u0435<\/em> \u2192 \u041f\u043b\u0430\u0432\u043d\u044b\u0439 \u043c\u0443\u043b\u044c\u0442\u044f\u0448\u043d\u044b\u0439 \u0448\u0435\u0434\u0435\u0432\u0440 \u043d\u0430 \u0432\u044b\u0445\u043e\u0434\u0435.<\/em>\u00a0<\/p>\n<\/li>\n
  2. \n
    \u0411\u0435\u0440\u0451\u043c \u043c\u043e\u0449\u043d\u0443\u044e \u043e\u0441\u043d\u043e\u0432\u0443 StyleGAN.<\/p>\n<\/li>\n
  3. \n
    \u0418\u043d\u0442\u0435\u0433\u0440\u0438\u0440\u0443\u0435\u043c \u00ab\u043c\u043e\u0434\u0443\u043b\u0438\u00bb: \u0441\u0442\u0430\u0432\u0438\u043c \u044d\u043d\u043a\u043e\u0434\u0435\u0440-\u0441\u043a\u0430\u043d\u0435\u0440 \u0438 \u0433\u0435\u043d\u0435\u0440\u0430\u0442\u043e\u0440-\u0432\u043e\u043b\u0448\u0435\u0431\u043d\u0438\u043a \u2014 \u0434\u0443\u044d\u0442, \u043f\u0440\u0435\u0432\u0440\u0430\u0449\u0430\u044e\u0449\u0438\u0439 \u0440\u0435\u0430\u043b\u044c\u043d\u043e\u0441\u0442\u044c \u0432 \u043c\u0443\u043b\u044c\u0442.<\/p>\n
    \u041f\u0440\u0438\u043c\u0435\u0440 \u043a\u043e\u0434\u0430 \u0434\u043b\u044f \u0441\u0435\u0442\u0438 \u044d\u043d\u043a\u043e\u0434\u0435\u0440\u0430:<\/strong><\/p>\n<\/li>\n<\/ol>\n
    num_styles = int(np.log2(out_size)) * 2 - 2 encoder_res = [2**i for i in range(int(np.log2(in_size)), 4, -1)] self.encoder = nn.ModuleList() self.encoder.append( nn.Sequential( nn.Conv2d(img_channels+19, 32, 3, 1, 1, bias=True), nn.LeakyReLU(negative_slope=0.2, inplace=True), nn.Conv2d(32, channels[in_size], 3, 1, 1, bias=True), nn.LeakyReLU(negative_slope=0.2, inplace=True))) for res in encoder_res: in_channels = channels[res] if res > 32: out_channels = channels[res \/\/ 2] block = nn.Sequential( nn.Conv2d(in_channels, out_channels, 3, 2, 1, bias=True), nn.LeakyReLU(negative_slope=0.2, inplace=True), nn.Conv2d(out_channels, out_channels, 3, 1, 1, bias=True), nn.LeakyReLU(negative_slope=0.2, inplace=True)) self.encoder.append(block) else: layers = [] for _ in range(num_res_layers): layers.append(VToonifyResBlock(in_channels)) self.encoder.append(nn.Sequential(*layers)) block = nn.Conv2d(in_channels, img_channels, 1, 1, 0, bias=True) self.encoder.append(block)<\/code><\/pre>\n
    \u0414\u043b\u044f \u0441\u043e\u0437\u0434\u0430\u043d\u0438\u044f \u0433\u0435\u043d\u0435\u0440\u0430\u0442\u043e\u0440\u0430 \u043c\u043e\u0436\u043d\u043e \u043e\u0431\u0440\u0430\u0442\u0438\u0442\u044c\u0441\u044f \u043a \u043e\u0444\u0438\u0446\u0438\u0430\u043b\u044c\u043d\u043e\u043c\u0443 \u0440\u0435\u043f\u043e\u0437\u0438\u0442\u043e\u0440\u0438\u044e \u043f\u0440\u043e\u0435\u043a\u0442\u0430 \u043d\u0430 GitHub.<\/p>\n
    \u041e\u0431\u0443\u0447\u0435\u043d\u0438\u0435 \u043c\u043e\u0434\u0435\u043b\u0438\u00a0\u00a0<\/h4>\n
    \u0414\u043b\u044f \u043d\u0430\u0447\u0430\u043b\u0430 \u0438\u043c\u043f\u043e\u0440\u0442\u0438\u0440\u0443\u0435\u043c \u043d\u0435\u043e\u0431\u0445\u043e\u0434\u0438\u043c\u044b\u0435 \u043c\u043e\u0434\u0443\u043b\u0438:<\/p>\n
    import argparse import math import random<\/code><\/pre>\n
    \u0414\u0430\u043b\u0435\u0435 \u0437\u0430\u0434\u0430\u0451\u043c \u043f\u0430\u0440\u0430\u043c\u0435\u0442\u0440\u044b \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u044f: \u043a\u043e\u043b\u0438\u0447\u0435\u0441\u0442\u0432\u043e \u0438\u0442\u0435\u0440\u0430\u0446\u0438\u0439, \u0440\u0430\u0437\u043c\u0435\u0440 \u0431\u0430\u0442\u0447\u0430, \u0441\u043a\u043e\u0440\u043e\u0441\u0442\u044c \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u044f, \u0438\u043d\u0442\u0435\u0440\u0432\u0430\u043b\u044b \u0441\u043e\u0445\u0440\u0430\u043d\u0435\u043d\u0438\u044f \u043a\u043e\u043d\u0442\u0440\u043e\u043b\u044c\u043d\u044b\u0445 \u0442\u043e\u0447\u0435\u043a \u0438 \u0434\u0440.<\/p>\n
    \u041f\u0440\u0438\u043c\u0435\u0440 \u043d\u0430\u0441\u0442\u0440\u043e\u0439\u043a\u0438 \u0430\u0440\u0433\u0443\u043c\u0435\u043d\u0442\u043e\u0432:<\/strong><\/p>\n
    self.parser = argparse.ArgumentParser(description=\"Train VToonify-D\") self.parser.add_argument(\"--iter\", type=int, default=2500, help=\"total training iterations\") self.parser.add_argument(\"--batch\", type=int, default=9, help=\"batch sizes for each gpus\") self.parser.add_argument(\"--lr\", type=float, default=0.0001, help=\"learning rate\") self.parser.add_argument(\"--local_rank\", type=int, default=0, help=\"local rank for distributed training\") self.parser.add_argument(\"--start_iter\", type=int, default=0, help=\"start iteration\") self.parser.add_argument(\"--save_every\", type=int, default=25000, help=\"interval of saving a checkpoint\") self.parser.add_argument(\"--save_begin\", type=int, default=35000, help=\"when to start saving a checkpoint\") self.parser.add_argument(\"--log_every\", type=int, default=300, help=\"interval of saving a checkpoint\")<\/code><\/pre>\n
    \u0417\u0430\u0442\u0435\u043c \u043d\u0435\u043e\u0431\u0445\u043e\u0434\u0438\u043c\u043e \u043f\u0440\u0435\u0434\u0432\u0430\u0440\u0438\u0442\u0435\u043b\u044c\u043d\u043e \u043e\u0431\u0443\u0447\u0438\u0442\u044c \u0441\u0435\u0442\u044c \u044d\u043d\u043a\u043e\u0434\u0435\u0440\u0430:<\/p>\n
    def pretrain(args, generator, g_optim, g_ema, parsingpredictor, down, directions, styles, device): pbar = range(args.iter) if get_rank() == 0: pbar = tqdm(pbar, initial=args.start_iter, dynamic_ncols=True, smoothing=0.01) recon_loss = torch.tensor(0.0, device=device) loss_dict = {} if args.distributed: g_module = generator.module else: g_module = generator accum = 0.5 ** (32 \/ (10 * 1000)) requires_grad(g_module.encoder, True) for idx in pbar: i = idx + args.start_iter if i > args.iter: print(\"Done!\") break<\/code><\/pre>\n
    \u041f\u043e\u0441\u043b\u0435 \u044d\u0442\u043e\u0433\u043e \u043e\u0431\u0443\u0447\u0430\u0435\u043c \u0433\u0435\u043d\u0435\u0440\u0430\u0442\u043e\u0440 \u0438 \u0434\u0438\u0441\u043a\u0440\u0438\u043c\u0438\u043d\u0430\u0442\u043e\u0440 \u043d\u0430 \u043f\u0430\u0440\u043d\u044b\u0445 \u0434\u0430\u043d\u043d\u044b\u0445:<\/p>\n
    def train(args, generator, discriminator, g_optim, d_optim, g_ema, percept, parsingpredictor, down, pspencoder, directions, styles, device): pbar = range(args.iter) if get_rank() == 0: pbar = tqdm(pbar, initial=args.start_iter, smoothing=0.01, ncols=130, dynamic_ncols=False) d_loss = torch.tensor(0.0, device=device) g_loss = torch.tensor(0.0, device=device) grec_loss = torch.tensor(0.0, device=device) gfeat_loss = torch.tensor(0.0, device=device) temporal_loss = torch.tensor(0.0, device=device) gmask_loss = torch.tensor(0.0, device=device) loss_dict = {} surffix = '_s' if args.fix_style: surffix += '%03d'%(args.style_id) surffix += '_d' if args.fix_degree: surffix += '%1.1f'%(args.style_degree) if not args.fix_color: surffix += '_c' if args.distributed: g_module = generator.module d_module = discriminator.module else: g_module = generator d_module = discriminator<\/code><\/pre>\n
    \u0412 \u044d\u0442\u043e\u0439 \u0444\u0443\u043d\u043a\u0446\u0438\u0438 \u0441\u043e\u0437\u0434\u0430\u044e\u0442\u0441\u044f \u0440\u0430\u0437\u043b\u0438\u0447\u043d\u044b\u0435 \u0442\u0435\u043d\u0437\u043e\u0440\u044b \u043f\u043e\u0442\u0435\u0440\u044c \u0434\u043b\u044f \u0433\u0435\u043d\u0435\u0440\u0430\u0442\u043e\u0440\u0430 \u0438 \u0434\u0438\u0441\u043a\u0440\u0438\u043c\u0438\u043d\u0430\u0442\u043e\u0440\u0430, \u0437\u0430\u0442\u0435\u043c \u0432 \u0446\u0438\u043a\u043b\u0435 \u043f\u0440\u043e\u0438\u0441\u0445\u043e\u0434\u0438\u0442 \u0432\u044b\u0447\u0438\u0441\u043b\u0435\u043d\u0438\u0435 \u0438 \u043c\u0438\u043d\u0438\u043c\u0438\u0437\u0430\u0446\u0438\u044f \u044d\u0442\u0438\u0445 \u043f\u043e\u0442\u0435\u0440\u044c \u0441 \u043f\u043e\u043c\u043e\u0449\u044c\u044e \u0430\u043b\u0433\u043e\u0440\u0438\u0442\u043c\u0430 \u043e\u0431\u0440\u0430\u0442\u043d\u043e\u0433\u043e \u0440\u0430\u0441\u043f\u0440\u043e\u0441\u0442\u0440\u0430\u043d\u0435\u043d\u0438\u044f \u043e\u0448\u0438\u0431\u043e\u043a.<\/p>\n
    \u041e\u0446\u0435\u043d\u043a\u0430 \u0438 \u0434\u043e\u0440\u0430\u0431\u043e\u0442\u043a\u0430 \u043c\u043e\u0434\u0435\u043b\u0438\u00a0\u00a0<\/h4>\n
    \u041a\u0430\u043a \u043f\u043e\u043d\u044f\u0442\u044c, \u0447\u0442\u043e \u043d\u0430\u0448\u0430 \u00ab\u043d\u0435\u0439\u0440\u043e\u043c\u043e\u0434\u0435\u043b\u044c\u00bb \u0433\u043e\u0442\u043e\u0432\u0430? \u041f\u0440\u043e\u0432\u043e\u0434\u0438\u043c \u0442\u0435\u0441\u0442-\u0434\u0440\u0430\u0439\u0432.<\/p>\n
    \u0421\u043c\u043e\u0442\u0440\u0438\u043c \u043a\u0430\u0447\u0435\u0441\u0442\u0432\u043e: \u043d\u0430\u0441\u043a\u043e\u043b\u044c\u043a\u043e \u0440\u0435\u0430\u043b\u0438\u0441\u0442\u0438\u0447\u043d\u044b\/\u0441\u0442\u0438\u043b\u044c\u043d\u044b \u0432\u0438\u0434\u0435\u043e? SSIM, MSE, PSNR \u2014 \u043d\u0430\u0448\u0438 \u0446\u0438\u0444\u0440\u043e\u0432\u044b\u0435 \u00ab\u0438\u0437\u043c\u0435\u0440\u0438\u0442\u0435\u043b\u044c\u043d\u044b\u0435 \u043f\u0440\u0438\u0431\u043e\u0440\u044b\u00bb. \u041d\u043e \u0433\u043b\u0430\u0432\u043d\u043e\u0435 \u2013 \u043e\u0446\u0435\u043d\u0438\u0432\u0430\u0435\u043c \u0440\u0435\u043d\u0434\u0435\u0440\u044b.<\/p>\n
    \u0417\u0430\u043c\u0435\u0440\u044f\u0435\u043c \u044d\u0444\u0444\u0435\u043a\u0442\u0438\u0432\u043d\u043e\u0441\u0442\u044c: \u0441\u043a\u043e\u043b\u044c\u043a\u043e \u0440\u0435\u0441\u0443\u0440\u0441\u043e\u0432 \u0442\u0440\u0430\u0442\u0438\u0442 \u043c\u043e\u0434\u0435\u043b\u044c? \u041d\u0435 \u0441\u043b\u0438\u0448\u043a\u043e\u043c \u043b\u0438 \u0434\u043e\u043b\u0433\u043e \u0433\u0435\u043d\u0435\u0440\u0438\u0442?<\/p>\n
    <\/p>\n
    \"\u041f\u0440\u0438\u043c\u0435\u0440\u044b<\/p>\n
    \u041f\u0440\u0438\u043c\u0435\u0440\u044b \u0442\u0438\u043f\u0438\u0447\u043d\u044b\u0445 \u043e\u0448\u0438\u0431\u043e\u043a. \u0414\u043e\u0433\u0430\u0434\u0430\u0435\u0442\u0435\u0441\u044c, \u0447\u0442\u043e \u0442\u0443\u0442 \u043d\u0435 \u0442\u0430\u043a?)<\/em><\/figcaption><\/div>\n<\/figure>\n
    \u0418\u0449\u0435\u043c \u0441\u043b\u0430\u0431\u044b\u0435 \u043c\u0435\u0441\u0442\u0430. \u0421\u043c\u043e\u0442\u0440\u0438\u043c, \u0433\u0434\u0435 \u043c\u0443\u043b\u044c\u0442\u044f\u0448\u043a\u0430 \u0434\u0451\u0440\u0433\u0430\u0435\u0442\u0441\u044f, \u0430 \u0433\u0434\u0435 \u0442\u0435\u0440\u044f\u0435\u0442 \u0440\u043e\u0434\u0438\u043d\u043a\u0443.<\/p>\n
    \u041d\u0430\u0448\u043b\u0438 \u043e\u0448\u0438\u0431\u043a\u0438? \u041f\u043e\u043f\u0440\u0430\u0432\u043b\u044f\u0435\u043c. \u0422\u043e\u043d\u043a\u043e \u043d\u0430\u0441\u0442\u0440\u0430\u0438\u0432\u0430\u0435\u043c:<\/p>\n