Photo-Sketching 一個能將照片的輪廓識別出來并將其轉化為“速寫”型圖像的開源模塊。

這個模塊的使用也相對簡單，下面給大家帶上全方面的教程：

1.準備

開始之前，你要確保Python和pip已經成功安裝在電腦上，如果沒有，可以訪問這篇文章：超詳細Python安裝指南 進行安裝。

**(可選1) **如果你用Python的目的是數據分析，可以直接安裝Anaconda：Python數據分析與挖掘好幫手—Anaconda，它內置了Python和pip.

**(可選2) **此外，推薦大家用VSCode編輯器，它有許多的優點：Python 編程的最好搭檔—VSCode 詳細指南。

這個項目推薦大家直接用Anaconda進行環境的構建和開發：Python數據分析與挖掘好幫手—Anaconda，因為作者提供了一個 environment.yml 文件，你只需要輸入以下命令，就能一鍵安裝環境和依賴：

conda env create -f environment.yml

2.下載預訓練模型

作者已經訓練好了一些識別模型方便大家使用，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盤，如果你無法科學上網，可以使用我提供的完整源代碼+預訓練模型，在 **Python實用寶典 **公眾號后臺回復：**sketch **即可獲取。

下載完成后解壓文件，將 latest_net_D.pth 和 latest_net_G.pth 放置到 Checkpoints 文件夾下：

3.運行預訓練模型

接下來，我們需要修改使用預訓練模型的啟動腳本，這些腳本都放在 PhotoSketchscripts 下，我們需要使用的是 test_pretrained.cmd 或者 test_pretrained.sh 這兩個腳本。

如果你是 windows 系統，請修改 test_pretrained.cmd 腳本，重點是dataDir、results_dir、checkpoints_dir：

dataDir 指向到 PhotoSketch 所在的文件夾目錄，如果你是跟我一樣這么配的，results_dir 只需要配成 %dataDir%PhotoSketchResults 即可，checkpoints_dir 則為 %dataDir%PhotoSketchCheckpoints 。

如果你是macOS或者Linux，則修改 test_pretrained.sh 文件，修改方法與上面windows 的一樣，只不過 反斜杠 "" 要換成 斜桿 "/" 。

修改完腳本后，打開命令行/終端，輸入以下命令，就會將你 PhotoSketchexamples 目錄下的文件轉化為“速寫”。

windows:

scriptstest_pretrained.cmd

Linux/MacOS:

./scripts/test_pretrained.sh

轉化結果可以在 PhotoSketchResults 中看到，如下兩圖所示。

待轉化目錄：

轉化后：

可以看到效果其實不是非常好，由于是作者預訓練的模型，所以效果不好也正常，如果大家需要的話，可以自己針對性地拿一些圖像訓練模型，并針對性地做識別，這樣做效果才是最好的。

你需要訓練或測試自己的模型也非常簡單：

• 在倉庫的 根目錄中 ，運行 scripts/train.sh 可以訓練模型
• 在倉庫的 根目錄中 ，運行 scripts/test.sh 可以測試val集或測試集

當然訓練過程肯定沒這么簡單，你會遇到不少問題，但是我相信大部分都是存放圖片的目錄結構上的問題，大家如果有興趣可以動手試試。