chen-anp/paddleimagestyletransfer

一键部署图像风格迁移（宫崎骏）

基于 Serverless 图像转换为宫崎骏动漫风格案例

大家可以通过本项目提供的镜像，快速发布成可调用的Restful API服务。

animegan_v2_hayao_99

使用模型 animegan_v2_hayao_99

模型名称	animegan_v2_hayao_99
类别	图像 - 图像生成
网络	AnimeGAN
数据集	The Wind Rises
是否支持Fine-tuning	否
模型大小	9.4MB
最新更新日期	2021-07-30
数据指标	-

一、模型基本信息

• 应用效果展示

  • 样例结果示例：

    
    输入图像
    
    输出图像
    

• 模型介绍

  • AnimeGAN V2 图像风格转换模型, 模型可将输入的图像转换成宫崎骏动漫风格，模型权重转换自AnimeGAN V2官方开源项目。

部署方法

1. 在阿里云函数计算应用中心里立即创建

阿里云Serverless 应用中心一键体验

2. 终端上输入命令创建

s init paddleImageStyleTransfer  # 初始化项目
s deploy  # 部署项目

调用方法

import requests
import json
import cv2
import base64


def cv2_to_base64(image):
    data = cv2.imencode('.jpg', image)[1]
    return base64.b64encode(data.tostring()).decode('utf8')


def getResult(imagePath):
    data = json.dumps({'images': [cv2_to_base64(cv2.imread(imagePath))]})
    r = requests.post("http://127.0.0.1:9000/predict/animegan_v2_hayao_99", data=data,
                      headers={'Content-Type': 'application/json'})
    return r.json()["results"]


print(getResult("./test.png"))

调用失败的请看这里

• 500x300 分辨率 需要 7秒 2.6gb内存 所以函数设置 3gb 运行内存才可以
• 720x500 分辨率 需要 15秒 5.76gb内存 所以函数设置 8gb 运行内存才可以
• 2000x1280 分辨率 需要 30秒 6.77g内存 所以设置 8gb 运行内存才可以

我是直接设置了16gb内存测试的

本应用的镜像开发教程

https://github.com/duolabmeng6/paddlehub_ppocr

阅读本文你将学会：

在 Serverless 架构中 docker 镜像制作的最佳实践，游刃有余的部署复杂场景下的深度学习模型

熟练的使用各厂商提供的 Serverless 服务，部署。

制作小巧精良的 docker 镜像

常用命令

s cli registry login # 登录授权 一次就行
s cli registry publish # 发布包
s cli registry list # 查看子机已发布的包

s init paddleImageStyleTransfer # 自己测试应用的效果
s deploy # 部署项目试试