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。
比如，这只小狗：
经由模型的转化，会变成卡通版的小狗：
当然，也不是什么照片都处理的好，比如这个风景画就弗成：
摇身一变，成了抽象风格：
非常秀，这很人工智能。
这个模块的利用也相对大略，下面给大家带上全方面的教程：
1.虚拟环境及依赖安装
这个项目推举大家直接用Anaconda进行环境的构建和开拓：Python数据剖析与挖掘好帮手—Anaconda，由于作者供应了一个 environment.yml 文件，你只须要输入以下命令，就能一键安装环境和依赖：
conda env create -f environment.yml
此外，推举大家用VSCode编辑器来编写像这样的小型Python项目：Python 编程的最好差错—VSCode 详细指南。
2.下载预演习模型
作者已经演习好了一些识别模型方便大家利用，可以不才列地址找到：https://drive.google.com/file/d/1TQf-LyS8rRDDapdcTnEgWzYJllPgiXdj/view
作者利用的是谷歌硬盘，如果你无法科学上网，可以利用我供应的完全源代码+预演习模型，关注
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.运行预演习模型
接下来，我们须要修正利用预演习模型的启动脚本，这些脚本都放在 PhotoSketch\scripts 下，我们须要利用的是 test_pretrained.cmd 或者 test_pretrained.sh 这两个脚本。
如果你是 windows 系统，请修正 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 只须要配成 %dataDir%\PhotoSketch\Results\ 即可，checkpoints_dir 则为 %dataDir%\PhotoSketch\Checkpoints\ 。
如果你是macOS或者Linux，则修正 test_pretrained.sh 文件，修正方法与上面windows 的一样，只不过 反斜杠 "\" 要换成 斜杆 "/" 。
修正完脚本后，打开命令行/终端，输入以下命令，就会将你 PhotoSketch\examples 目录下的文件转化为“速写”。
windows:
scripts\test_pretrained.cmd
Linux/MacOS:
./scripts/test_pretrained.sh
转化结果可以在 PhotoSketch\Results 中看到，如下两图所示。
待转化目录：
转化后：
可以看到效果实在不是非常好，由于是作者预演习的模型，以是效果不好也正常，如果大家须要的话，可以自己针对性地拿一些图像演习模型，并针对性地做识别，这样做效果才是最好的。
你须要演习或测试自己的模型也非常大略：
在仓库的根目录中，运行 scripts/train.sh 可以演习模型在仓库的根目录中，运行 scripts/test.sh 可以测试val集或测试集当然演习过程肯定没这么大略，你会碰着不少问题，但是我相信大部分都是存放图片的目录构造上的问题，大家如果有兴趣可以动手试试。
末了多说一句，小编是一名python开拓工程师，这里有我自己整理的整套python学习资料和路线，想要这些资料的都可以关注小编，并私信“01”领取。