Это старая версия документа!


GFPGAN это набор инструментов и готовая нейросеть(можно натренировать свою) для улучшения лиц на фотографиях, обещают еще улучшение не лиц, но я как то не заметил эффекта улучшения, хотя увеличивают хорошо! Адрес проекта: github.com/TencentARC/GFPGAN. Работает все на Linux конечно и хорошо работает, но сегодня я буду запускать это на Windows, тем более в нем давно уже есть Linux называется WSL!

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:

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

ITСooky

IT-рецепты съедобные и не очень! « Как я спасал фото из radikal.ru на phpbb форуме! Омолаживаем, меняем пол лица на видео с нейросетью STIT — Stitch it in Time » Увеличиваем улучшаем старые фотки с GFPGAN на Windows через WSL2 и картой с CUDA(можно и без)! Автор Александр дата 03.04.2022

GFPGAN это набор инструментов и готовая нейросеть(можно натренировать свою) для улучшения лиц на фотографиях, обещают еще улучшение не лиц, но я как то не заметил эффекта улучшения, хотя увеличивают хорошо! Адрес проекта: github.com/TencentARC/GFPGAN. Работает все на Linux конечно и хорошо работает, но сегодня я буду запускать это на Windows, тем более в нем давно уже есть Linux назaвается WSL!

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 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

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:

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 © 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

Мы сейчас в папке GFPGAN из Windows в неё можно зайти по пути \\wsl$\Ubuntu20.04LTS\home\YOUR_USER\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

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]…

  1. h show this help
  2. i input Input image or folder. Default: inputs/whole_imgs
  3. o output Output folder. Default: results
  4. v version GFPGAN model version. Option: 1 | 1.2 | 1.3. Default: 1.3
  5. s upscale The final upsampling scale of the image. Default: 2
  6. bg_upsampler background upsampler. Default: realesrgan
  7. bg_tile Tile size for background sampler, 0 for no tile during testing. Default: 400
  8. suffix Suffix of the restored faces
  9. only_center_face Only restore the center face
  10. aligned Input are aligned faces
  11. ext Image extension. Options: auto | jpg | png, auto means using the same extension as inputs. Default: auto