Различия

Показаны различия между двумя версиями страницы.

--- улучшаем_старые_фотки [2022/07/15 11:57] – adminoa
+++ улучшаем_старые_фотки [2022/07/15 16:29] (текущий) – adminoa
@@ Строка 7: / Строка 7: @@
 Идем в консоль Powershell под админом
+Ставим WSL:
+wsl --install
+Первый WSL ставит вообще без всяких, но нам нужен второй так что выполняем:
+dism.exe /online /enable-feature /featurename:Microsoft-Windows-Subsystem-Linux /all /norestart
+Enable-WindowsOptionalFeature -Online -FeatureName Microsoft-Hyper-V -All
+После последней команды Windows захочет перезагрузиться — это хорошо! Идем в BIOS и включаем виртуализацию пункт:
+Hyper-V у Intel
+SVM mode у AMD
+Возвращаемся в консоль Powershell под админом и делаем:
+wsl --set-default-version 2
@@ Строка 20: / Строка 40: @@
 Потребуется:
 — Windows 10-11 последней версии
 — Видеокарта Nvidia с CUDA (у меня rtx 2070), но можно и на CPU только считать!
 — CPU с виртуализацией(практически все сейчас)
 Идем в консоль Powershell под админом
-Ставим WSL
+Ставим WSL:
 wsl --install
@@ Строка 42: / Строка 65: @@
 SVM mode у AMD
+Возвращаемся в консоль Powershell под админом и делаем:
+wsl --set-default-version 2
+Не дает посылает что-то скачать вот сюда docs.microsoft.com/ru-ru/windows/wsl/install-manual#step-4—download-the-linux-kernel-update-package ну ничего скачиваем и запускаем Пакет обновления ядра Linux в WSL 2 для 64-разрядных компьютеров запускаем пальцем.
+Повторяем:
+wsl --set-default-version 2
+Теперь ставим Ubunto 20.04.4 LTS как еще одно приложение в Microsoft Store:
+{{:2022-04-03-14_08_39--300x232.png?400|}}
+В консоли Powershell смотрим какая у нас версия WSL на Ubuntu:
+wsl -l -v
+Запускаем Ubuntu, как обычно приложение через Пуск получаем черное окно, это консоль Ubuntu
+Кстати поздравляю видеокарта у нас уже есть так как уже стоит драйвер Nvidia:
+nvidia-smi
+Обновляемся:
+sudo apt-get update && sudo apt-get upgrade -y
+Знаю что надо будет GCC ставлю(на самом деле как бы нет, но вдруг эта карта где-то все таки сыграла):
+sudo apt install gcc
+Вообще то тут уже какие то ошибки пошли запускал еще перед:
+sudo apt --fix-broken install
+Ставим CUDA:
+sudo apt install nvidia-cuda-toolkit
+Смотрим:
+nvcc --version
+nvcc: NVIDIA (R) Cuda compiler driver
+Copyright (c) 2005-2019 NVIDIA Corporation
+Built on Sun_Jul_28_19:07:16_PDT_2019
+Cuda compilation tools, release 10.1, V10.1.243
+Ставим Conda:
+У Python есть проблема или особенность — написанное на одной версии вполне может не работать в других, то же касается разных версий модулей. А конда создает среду для каждой программы с нужными версиями и никакой апдейт их не поломает.
+Скачиваем минималистичную версию Conda:
+wget https://github.com/conda-forge/miniforge/releases/latest/download/Miniforge3-Linux-x86_64.sh
+bash Miniforge3-Linux-x86_64.sh
+На все вопросы отвечаем **да** при установке
+Закрываем открываем окно Ubuntu выполняем
+conda config --show
+Что-то показывает значит работает
+Создаем Python окружение для GFPGAN версии 3.7
+conda create --name GFPGAN python=3.7
+Начинает скачивать все нужно и нужно отметить что на скорость ну очень низкая, вину в этом WSL
+Активируем окружение, оно касается только Python’а:
+conda activate GFPGAN
+Установка GFPGAN:
+git clone https://github.com/TencentARC/GFPGAN.git
+идем в папку:
+cd ./GFPGAN
+надо до установить следующее, пишут создатели GFPGAN
+pip install basicsr
+pip install facexlib
+pip install -r requirements.txt
+python setup.py develop
+pip install realesrgan
+Качаем нейросети:
+wget https://github.com/TencentARC/GFPGAN/releases/download/v1.3.0/GFPGANv1.3.pth -P experiments/pretrained_models
+wget https://github.com/TencentARC/GFPGAN/releases/download/v0.2.0/GFPGANCleanv1-NoCE-C2.pth -P experiments/pretrained_models
+==== Как пользоваться? ====
+Мы сейчас в папке GFPGAN из Windows в неё можно зайти по пути \\wsl$\Ubuntu-20.04\home\adminoa\GFPGAN
+Кладем в ней в папку /inputs/whole_imgs/ тестовую фотку и забираем из папки /results/restored_imgs/
+Выполняем по очереди (фотку надо забирать после каждой команды):
+python inference_gfpgan.py -i inputs/whole_imgs -o results -v 1.2 -s 2
+python inference_gfpgan.py -i inputs/whole_imgs -o results -v 1.3 -s 2
+На картах 30ой серии может возникат ошибка
+pytorch capability sm_86 is not compatible with the current PyTorch
+Надо обновить torch как тут описано www.codestudyblog.com/cs2112pya/1208055527.html
+pip3 install torch==1.10.0+cu113 torchvision==0.11.1+cu113 torchaudio==0.10.0+cu113 -f https://download.pytorch.org/whl/cu113/torch_stable.html
+pip3 install torch==1.7.1+cu110 torchvision==0.8.2+cu110 -f https://download.pytorch.org/whl/cu110/torch_stable.html
+в первой команде нейросеть 1.2 которая считает только на CPU, во второй 1.3 считает на CUDA, последняя цифра увеличиваем в 2 раза
+Впечатляет, нейросеть 1.3 как-то поживее рисует! Если вас не впечатлило то в папке /results/cmp/ есть сравнение лиц! Вот из этого слева, получается вот это справа!
+Применение: python inference_gfpgan.py -i inputs/whole_imgs -o results -v 1.3 -s 2 [options]...
+  -h                   show this help
+  -i input             Input image or folder. Default: inputs/whole_imgs
+  -o output            Output folder. Default: results
+  -v version           GFPGAN model version. Option: 1 | 1.2 | 1.3. Default: 1.3
+  -s upscale           The final upsampling scale of the image. Default: 2
+  -bg_upsampler        background upsampler. Default: realesrgan
+  -bg_tile             Tile size for background sampler, 0 for no tile during testing. Default: 400
+  -suffix              Suffix of the restored faces
+  -only_center_face    Only restore the center face
+  -aligned             Input are aligned faces
+  -ext                 Image extension. Options: auto | jpg | png, auto means using the same extension as inputs. Default: auto