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。
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 | - |
-
- 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。
s init paddleImageStyleTransfer # 初始化项目
s deploy # 部署项目
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"))
- 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
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
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