Photo-Sketching：将你的照片转化为“速写”

Photo-Sketching 一个能将照片的轮廓识别出来并将其转化为“速写”型图像的开源模块。

这个模块的使用也相对简单，下面给大家带上全方面的教程：

1.准备

开始之前，你要确保Python和pip已经成功安装在电脑上，如果没有，可以访问这篇文章：超详细Python安装指南 进行安装。

**(可选1) **如果你用Python的目的是数据分析，可以直接安装Anaconda：Python数据分析与挖掘好帮手—Anaconda，它内置了Python和pip.

**(可选2) **此外，推荐大家用VSCode编辑器，它有许多的优点：Python 编程的最好搭档—VSCode 详细指南。

这个项目推荐大家直接用Anaconda进行环境的构建和开发：Python数据分析与挖掘好帮手—Anaconda，因为作者提供了一个 environment.yml 文件，你只需要输入以下命令，就能一键安装环境和依赖：

conda env create -f environment.yml

2.下载预训练模型

作者已经训练好了一些识别模型方便大家使用，可以在下列地址找到：
https://drive.google.com/file/d/1TQf-LyS8rRDDapdcTnEgWzYJllPgiXdj/view

作者使用的是谷歌硬盘，如果你无法科学上网，可以使用我提供的完整源代码+预训练模型，在 **Python实用宝典 **公众号后台回复：**sketch **即可获取。

下载完成后解压文件，将 latest_net_D.pth 和 latest_net_G.pth 放置到 Checkpoints 文件夹下：

3.运行预训练模型

接下来，我们需要修改使用预训练模型的启动脚本，这些脚本都放在 PhotoSketchscripts 下，我们需要使用的是 test_pretrained.cmd 或者 test_pretrained.sh 这两个脚本。

如果你是 windows 系统，请修改 test_pretrained.cmd 脚本，重点是dataDir、results_dir、checkpoints_dir：

dataDir 指向到 PhotoSketch 所在的文件夹目录，如果你是跟我一样这么配的，results_dir 只需要配成 %dataDir%PhotoSketchResults 即可，checkpoints_dir 则为 %dataDir%PhotoSketchCheckpoints 。

如果你是macOS或者Linux，则修改 test_pretrained.sh 文件，修改方法与上面windows 的一样，只不过 反斜杠 "" 要换成 斜杆 "/" 。

修改完脚本后，打开命令行/终端，输入以下命令，就会将你 PhotoSketchexamples 目录下的文件转化为“速写”。

windows:

scriptstest_pretrained.cmd

Linux/MacOS:

./scripts/test_pretrained.sh

转化结果可以在 PhotoSketchResults 中看到，如下两图所示。

待转化目录：

转化后：

可以看到效果其实不是非常好，由于是作者预训练的模型，所以效果不好也正常，如果大家需要的话，可以自己针对性地拿一些图像训练模型，并针对性地做识别，这样做效果才是最好的。

你需要训练或测试自己的模型也非常简单：

• 在仓库的 根目录中 ，运行 scripts/train.sh 可以训练模型
• 在仓库的 根目录中 ，运行 scripts/test.sh 可以测试val集或测试集

当然训练过程肯定没这么简单，你会遇到不少问题，但是我相信大部分都是存放图片的目录结构上的问题，大家如果有兴趣可以动手试试。