トップページ -> データベース関連技術 -> GAN の応用例 -> ZZUTK/Face-Aging-CAAE を使い Face Aging を行ってみる(書きかけ)
[サイトマップへ], [サイト内検索へ]

ZZUTK/Face-Aging-CAAE を使い Face Aging を行ってみる(書きかけ)

ZZUTK/Face-Aging-CAAE は,GitHub で公開されているソフトウエアで, Age Progression/Regression by Conditional Adversarial Autoencoder (CAAE) を 実装したもの.

手順の要点: Python 3.6, TensorFlow 1.15, Python の仮想環境(Windows では C:\venv\tf115py36)

ソフトウエア等の利用条件は,利用者で確認すること.

謝辞:ソフトウエアの作者に感謝します.

参考文献: http://web.eecs.utk.edu/~zzhang61/docs/papers/2017_CVPR_Age.pdf

GitHub の ZZUTK/Face-Aging-CAAE の Webページ: https://github.com/ZZUTK/Face-Aging-CAAE


前準備

Python 3.6 のインストール,pip と setuptools の更新

※ TensorFlow 1.15.3 に対応する Python は,3.6 や 3.7 など(3.8 は対応していない)(2020/06 時点).このページでは 3.6 を使って説明する.3.7 でも同様の手順になる.

Windows の場合

  1. Python 3.6 のインストール

    Python の URL: http://www.python.org/

    インストール手順の詳細は: 別ページで説明している.

  2. pip と setuptools の更新

    コマンドプロンプトを管理者として実行し,次のコマンドを実行.

    py -3.6 -m pip install -U pip setuptools
    

    [image]

Ubuntu の場合

次の手順により,システム Python とは別に,pyenv を用いて Pytnon 3.6 をインストールする.(システム Python の設定は変えたくないため).

  1. pyenv のインストールと設定

    図などの入った詳しい説明は別ページ

    sudo apt -yV install --no-install-recommends make build-essential libssl-dev zlib1g-dev libbz2-dev libreadline-dev libsqlite3-dev wget curl llvm libncurses5-dev xz-utils tk-dev libxml2-dev libxmlsec1-dev libffi-dev liblzma-dev
    cd /tmp
    curl https://pyenv.run | bash
    echo 'export PYENV_ROOT="${HOME}/.pyenv"' >> ~/.bashrc
    echo 'if [ -d "${PYENV_ROOT}" ]; then' >> ~/.bashrc
    echo '    export PATH=${PYENV_ROOT}/bin:$PATH' >> ~/.bashrc
    echo '    eval "$(pyenv init -)"' >> ~/.bashrc
    echo '    eval "$(pyenv virtualenv-init -)"' >> ~/.bashrc
    echo 'fi' >> ~/.bashrc
    exec $SHELL -l
    
  2. 次のコマンドにより,pyenv を用いて Python 3.6.10 をインストール
    pyenv install 3.6.10
    

    [image]
  3. Ubuntu では端末を開く.
  4. pyenv の Python 3.6 の有効化. pip と setuptools の更新

    次のコマンドを実行.

    pyenv shell 3.6.10
    python -m pip install -U pip setuptools
    

Git のインストール

Git の URL: https://git-scm.com/

(Windows を使う場合のみ)Visual C++ ビルドツール (Build Tools) のインストール

Windows で Visual C++ ビルドツール (Build Tools) for Visual Studio 2017 のインストール(Chocolatey を利用)」で説明している.

以下,Windows に Python, git, Visual C++ ビルドツール (Build Tools) をインストール済みであるものとして説明を続ける.

(NVIDIA GPU を使うとき)NVIDIA グラフィックスボード・ドライバのインストール

GPU とは,グラフィックス・プロセッシング・ユニットの略で、コンピュータグラフィックス関連の機能,乗算や加算の並列処理の機能などがある.

ダウンロードページ

詳細説明

(NVIDIA GPU を使うとき)NVIDIA CUDA ツールキット 10.0 のインストール

CUDA とは,NVIDIA社が提供している GPU 用のプラットフォームである. ダウンロードページ

TensorFlow 2.1 以上の GPU 版での,NVIDIA CUDA のバージョンは 10.1指定されている. TensorFlow 1.15の GPU 版での,NVIDIA CUDA のバージョンは 10.0指定されている. 指定されているバージョンより高いものは使わない. その根拠は次のページ. URL: https://www.tensorflow.org/install/source#common_installation_problems

詳細説明

(NVIDIA GPU を使うとき)NVIDIA cuDNN のインストール

ダウンロードページ

次のページには,TensorFlow 2.1 以上の GPU 版での,cuDNN のバージョンは 7.6.そして,TensorFlow 1.13 以上 TensorFlow 2.0 までの GPU 版での,cuDNN のバージョンは7.4 が指定されている.

URL: https://www.tensorflow.org/install/source#common_installation_problems

詳細説明


隔離された Python 仮想環境の新規作成と,TensorFlow 1.15.3(旧バージョン)およびPython 開発環境(JupyterLab, spyder)のインストール

最新版ではない TensorFlow を使う.そうした場合,運用を簡単にする(バージョン指定のもの間違ってアップデートしないなど)のために,venv を用いて,隔離された Python 仮想環境を作る.

今から作成する隔離された Python 仮想環境の名前と、Pythonのバージョンを決めておく

ここで行う「隔離された Python 仮想環境の新規作成と,TensorFlow 1.15.3(旧バージョン)のインストール」ついては,より詳しくは,次のページで説明している.

Windows の場合

  1. Python 3.6 の準備

    Windows での Python 3.6 の準備は,このページの上の方で説明している.

  2. コマンドプロンプトを実行.
  3. venv を用いて,Python 3.6 が動く隔離された Python 仮想環境を作る.

    下の例では,隔離された Python 仮想環境のためのディレクトリを C:\venv\tf115py36に作成している.

    py -3.6 -m venv C:\venv\tf115py36
    

    [image]
  4. venv の隔離された Python 仮想環境を有効化,TensorFlow 1.15.3 のインストール,Python 開発環境(JupyterLab, spyder)のインストール

    venv を使い,孤立した Python 仮想環境を使っているときは,Windows でも Ubuntu でも同じで,「python -m pip install ...」. いま,venv を使っているかどうかは,プロンプトの「(venv)」で分かる.

    C:\venv\tf115py36\Scripts\activate.bat
    python -m pip install -U pip setuptools
    python -m pip install -U tensorflow-gpu==1.15.3 tensorflow_datasets
    python -m pip install -U jupyterlab jupyter jupyter-console jupytext spyder
    

    [image]

    [image]
    (以下省略)

Ubuntu の場合

  1. Python 3.6 の準備

    Ubuntu での Python 3.6 の準備は,このページの上の方で説明している.

  2. Ubuntu では端末を開く.
  3. venv を用いて,Python 3.6 が動く隔離された Python 仮想環境を作る.

    下の例では,隔離された Python 仮想環境のためのディレクトリを ~/tf115py36に作成している.

    pyenv shell 3.6.10
    python -m venv ~/tf115py36
    

    [image]
  4. venv の隔離された Python 仮想環境を有効化,TensorFlow 1.15.3 のインストール,Python 開発環境(JupyterLab, spyder)のインストール

    venv を使い,孤立した Python 仮想環境を使っているときは,Windows でも Ubuntu でも同じで,「python -m pip install ...」. いま,venv を使っているかどうかは,プロンプトの「(venv)」で分かる.

    source ~/tf115py36/bin/activate
    python -m pip install -U pip setuptools
    python -m pip install -U tensorflow-gpu==1.15.3 tensorflow_datasets
    python -m pip install -U jupyterlab jupyter jupyter-console jupytext spyder
    

    [image]

TensorFlow の確認

  1. 隔離された Python 仮想環境有効化
  2. TensorFlow のバージョン確認

    ※ バージョン番号が表示されれば OK.下の図とは違うバージョンが表示されることがある.

    python -c "import tensorflow as tf; print( tf.__version__ )"
    

    [image]
  3. (GPU を使うとき) GPU が認識できてるかの確認

    TensorFlow が GPU を認識できているかの確認は,端末で,次を実行して行う.

    python -c "from tensorflow.python.client import device_lib; print(device_lib.list_local_devices())"
    

    [image]

Face-Aging-CAAE プログラムのダウンロードと展開(解凍)

GitHub の ZZUTK/Face-Aging-CAAE の配布サイト(https://github.com/ZZUTK/Face-Aging-CAAE)で公開されている プログラムを,ダウンロードし展開(解凍)する.

Windows での手順を下に示す.Ubuntu でも同様の手順になる.

  1. Windows では,コマンドプロンプトを実行.Ubuntu では端末を開く.
  2. 隔離された Python 仮想環境有効化

    以下,Windows での手順を示す.Ubuntu でも同様の手順になる.

  3. その他 Python パッケージのインストール

    venv を使い,孤立した Python 仮想環境を使っているときは,Windows でも Ubuntu でも同じで,「python -m pip install ...」. いま,venv を使っているかどうかは,プロンプトの「(venv)」で分かる.

    python -m pip install -U numpy scipy requests tqdm pillow  
    python -m pip install -U jupyterlab jupyter jupyter-console jupytext spyder
    
  4. Face-Aging-CAAE のダウンロード

    cd C:\venv\tf115py36
    rmdir /s /q Face-Aging-CAAE
    

    git clone https://github.com/ZZUTK/Face-Aging-CAAE
    

ソースコードの書き換え

Python 3 で動くように書きかえ

  1. Windows では,コマンドプロンプトを実行.Ubuntu では端末を開く.
  2. 隔離された Python 仮想環境有効化

    以下,Windows での手順を示す.Ubuntu でも同様の手順になる.

  3. 2to3 を使う

    Windows での手順を下に示す.Ubuntu でも同様の手順になる.

    cd C:\venv\tf115py36
    cd Face-Aging-CAAE
    python %LOCALAPPDATA%\Programs\Python\Python37\Tools\scripts\2to3.py -w . 
    

Windows で動くように書きかえ

  1. Windows で動かしたい ので, エディタを使い,FaceAging.py を書き替えて保存

    282 行目.「/」を「\\」に書き換え.

    書き換え前

    [image]

    書き換え後

    [image]

    301 行目.同じように,「/」を「\\」に書き換え.

    書き換え後

    [image]

    356 行目.同じように,「/」を「\\」に書き換え.

    書き換え前

    [image]

    書き換え後

    [image]

    378 行目.同じように,「/」を「\\」に書き換え.

    書き換え前

    [image]

    書き換え後

    [image]

UTKFace (Large Scale Face Dataset) のダウンロードと展開(解凍)

UTKFace (Large Scale Face Dataset) は,顔画像のデータセット

ここでは、Aligned & Cropped Faces」データファイルを選ぶ GitHub の ZZUTK/Face-Aging-CAAE の配布サイト(https://github.com/ZZUTK/Face-Aging-CAAE)にそのことが説明されている.

  1. Web ブラウザで次の URL を開く

    https://susanqq.github.io/UTKFace/

  2. Aligned & Cropped Faces」データファイルを選んでみる

    [image]
  3. UTKFace.tar.gz」を選ぶ

    別の方は使わない.

    [image]
  4. メニューで「Download」を選ぶ

    [image]
  5. ダウンロードしたいので,「DOWNLOAD ANYWAY」をクリック

    [image]
  6. ダウンロードが始まるので確認する.

    [image]
  7. ダウンロードしたファイルを展開(解凍)する.

    ※ Windows での展開(解凍)のためのソフトには,「7-Zip」などがある.

    tar.gz 形式ファイルを 7-Zip で展開(解凍)すると tar 形式ファイルができ, tar 形式ファイルを 7-Zip で展開(解凍)すると,画像ファイルの入ったディレクトリが得られる.

  8. 展開(解凍)してできたディレクトリ UTKFace を確認する.

    [image]
  9. ディレクトリ UTKFace の下に多数の顔画像ファイルがあることを確認する.

    [image]
  10. C:\face-image のような作業用のディレクトリ(フォルダ)を作る

    [image]
  11. ディレクトリ UTKFace を, C:\face-image のような作業用のディレクトリ(フォルダ)のに移動
  12. ディレクトリ UTKFace の下に多数の顔画像ファイルがあることを確認する.

    [image]

学習

Windows での手順を下に示す.Ubuntu でも同様の手順になる.

  1. C:\venv\tf115py36\Face-Aging-CAAE の下の dataを開いて、「save_data_folder_here.txt」というファイルがあることを確認する

    [image]
  2. 先ほどダウンロードした C:\face-image\UTKFace をまるごと、このdataの直下にコピー

    コピーが終わると,次のようになるので確認(ここで間違うと次に進めない)

    [image]
  3. コマンドプロンプトを開く
  4. Python 環境(名前は tf)を有効にする

    端末で,次のコマンドを実行.

    C:\venv\tf115py36\.venv\Scripts\activate.bat
    
  5. 新しくコマンドプロンプトを開き,先ほど展開したディレクトリに移動.

    C:\venv\tf115py36\Face-Aging-CAAE に展開(解凍)した場合には次のように操作する

    cd C:\venv\tf115py36\Face-Aging-CAAE
    
  6. main.py の実行
    python main.py
    
  7. 終了の確認
  8. save/summary の下に,中間結果が保存されている.次のコマンドにより確認できる.
    cd save/summary
    tensorborard --logdir .
    
  9. テスト

    imagedir」のような名前でディレクトリを作り(名前は何でも良いがわかりやすい名前が良い)、 そこに .jpg ファイルを 10 個以上おき、次のコマンドを実行する.

    python main.py --is_train False --testdir imagedir
    

    書きかけ


本サイトは金子邦彦研究室のWebページです.サイトマップは,サイトマップのページをご覧下さい. 本サイト内の検索は,サイト内検索のページをご利用下さい.

問い合わせ先: 金子邦彦(かねこ くにひこ) [image]