codait/max-fast-neural-style-transfer

IBM开发者模型资产交换：快速神经风格迁移

本镜像包含实例化和部署图像风格迁移模型的代码，可生成融合输入图像内容与另一图像风格的新图像。模型采用基于ResNet架构的深度前馈卷积网络，通过内容图像数据集与指定风格图像之间的感知损失函数训练，训练数据为COCO 2014数据集和4种不同风格图像，输入输出均为图像。

该模型基于https://github.com/pytorch/examples/tree/master/fast_neural_style%EF%BC%8C%E6%A8%A1%E5%9E%8B%E6%96%87%E4%BB%B6%E6%89%98%E7%AE%A1%E4%BA%8EIBM Cloud Object Storage，代码将模型部署为Docker容器中的Web服务，是IBM开发者模型资产交换的一部分。

模型元数据

参考资料

• J. Johnson, A. Alahi, L. Fei-Fei, "Perceptual Losses for Real-Time Style Transfer and Super-Resolution", 2016
• D. Ulyanov, A. Vedaldi, V. Lempitsky, "Instance Normalization", 2017
• D. Ulyanov, A. Vedaldi, V. Lempitsky, "Improved Texture Networks: Maximizing Quality and Diversity in Feed-forward Stylization and Texture Synthesis", 2017
• PyTorch教程
• https://github.com/pytorch/examples/tree/master/fast_neural_style

许可证

前置条件

注意：该模型对内存要求较高，若出现崩溃（如API进程被终止并显示“Killed”），请确保Docker容器分配足够资源（例如调整Mac/Windows上的默认内存限制）。

• docker：Docker命令行工具，需按安装指南安装。
• 推荐资源：6GB内存、4个CPU。

部署选项

• 从Quay部署
• 在Red Hat OpenShift上部署
• 在Kubernetes上部署
• 本地运行

从Quay部署

运行以下命令启动模型服务API：

bash
docker run -it -p 5000:5000 quay.io/codait/max-fast-neural-style-transfer

该命令将拉取预构建镜像（或使用本地缓存）并运行。

在Red Hat OpenShift上部署

按照教程中的OpenShift控制台或CLI说明部署，指定镜像名为quay.io/codait/max-fast-neural-style-transfer。

在Kubernetes上部署

在Kubernetes集群上运行以下命令：

bash
kubectl apply -f https://raw.githubusercontent.com/IBM/MAX-Fast-Neural-Style-Transfer/master/max-fast-neural-style-transfer.yaml

模型内部端口为5000，可通过NodePort外部访问。

本地运行

1. 构建模型
2. 部署模型
3. 使用模型
4. 开发
5. 清理

1. 构建模型

克隆仓库并进入目录：

bash
git clone https://github.com/IBM/MAX-Fast-Neural-Style-Transfer.git
cd MAX-Fast-Neural-Style-Transfer

构建本地Docker镜像：

bash
docker build -t max-fast-neural-style-transfer .

构建过程将下载所需模型资产（当前为CPU版本）。

2. 部署模型

运行镜像启动API服务：

bash
docker run -it -p 5000:5000 max-fast-neural-style-transfer

3. 使用模型

API服务器提供交互式Swagger文档页面，访问http://localhost:5000可探索API并测试请求。使用model/predict端点上传图像（可使用samples文件夹中的测试图像），通过model查询参数选择风格（可选值：mosaic默认、candy、rain_princess、udnie）。

命令行测试示例：

bash
curl -F "image=@samples/bridge.jpg" -XPOST http://localhost:5000/model/predict?model=udnie > result.jpg

生成的风格化图像可在本地打开查看。

4. 开发

若要在调试模式下运行Flask API，编辑config.py设置DEBUG = True，然后重新构建镜像。

5. 清理

按下CTRL + C停止Docker容器。

资源与贡献

若想为模型资产交换项目贡献或有疑问，请参考https://github.com/CODAIT/max-central-repo%E3%80%82