大略易操作，上传一张人脸照片，就能天生一张大师级肖像画。
而比技能更神奇的是佐藤自己，由于他是自学AI做出来的，不得不佩服的宅男创造力。
佐藤患有阿斯伯格症——也被俗称成“社交恐怖症”，名副实在的天才病，一样平常来说，此类患者会在某个领域具有分外潜能，但不适应普通人的生活。
当然，佐藤的技能点就点在了AI上。
pix2pix，TensorFlow内置的cGAN模型
让大叔这次有名的AI技能，便是是大名鼎鼎的GAN的变种。
这次的人脸肖像画天生技能，便是大叔在TensorFlow内置的cGAN(条件天生对抗网络）中的pix2pix模型上改造而来。
不同于GAN的技能通用性，cGAN更强调特定场景下的发挥，比如AI Gahaku，就只能针对人脸，如果用户上传的是猫脸，则是无法天生结果的。
GAN的特点在于丢失函数的自行打算和自动更新，这使得GAN本身具有和迁移学习结合的潜质，在近年来的发展路径上看，更多是把GAN当做手段，去实现迁移学习提出的目标，迁移学习为运用GAN供应详细指向。
TensorFlow的内置pix2pix的是基于cGAN的图像对图像翻译的模型，模型本身已经成熟，直接调用便可利用到对黑白图像着色、图像风格变革等场景的利用上来。
详细到大叔的利用上，利用pix2pix模型，大叔实在是将模型限定在大师肖像画的天生上，这也表示了模型本身强大的扩展性。
如何利用，都取决于你自身。
在佐藤的另一款作品PixelMe中，同样利用pix2pix技能，但是天生的是8bit的像素风格头像，一个模型，多种用场。
当然，实际效果因人而异，毕竟严格来说，大叔是在对既有模型进行二次开拓，原有的算法和数据构造并未改变，因此性能和效果受到原有模型的限定。
宅男的AI进阶之路大叔人生经历可以说繁芜，从大学退学后，先后干过面包师，参加过护士学校培训课程，但以为都都不太适宜自己，直到他决定利用自己的才智，投身到AI的奇迹当中去。
那说干就干，就从TensorFlow学起吧。
借助Google Colab的算力资源，大叔从头按着TensorFlow教程学起，不过大叔也确实适宜干AI，而不是去蒸糕点。
在学习过程中，佐藤找到了适宜自己的方向，迁移学习和GAN，可以较好的实现图像的再天生，利用不同的图像演习数据集，可以针对详细场景进行学习和天生。
GAN属于范例的非监督学习方法，核心事理是让两个神经网络进行“对抗”，通过不断优化参数来得到最优结果，自我博弈。
这种技能紧张用在打算机视觉领域，这也是佐藤选择GAN的紧张缘故原由。
得益于Google的年夜方，大叔利用的网站做事器和算力资源都较为便宜，大约为一天20美刀，大叔表示，在可接管的能力范围之内，短期不会寻求商业化。
AI for Everyone!在红了之后，大叔也没飘。
他认为这是在做自己感兴趣的东西，而不是为了经济利益。
出于对技能的热爱，佐藤开始了自己的AI之路，并在两年之后便能上线运用。
这份为梦想而不懈努力的奋斗精神，才是真正值得我们学习的。
毕竟，不是每个人有勇气去自学AI。
参考链接：https://cloud.google.com/blog/products/ai-machine-learning/using-google-cloud-platform-free-tier-to-scale-out-an-ai-servicehttps://www.tensorflow.org/tutorials/generative/pix2pixhttps://ai-art.tokyo/en/#/https://pixel-me.tokyo/en/
— 完 —
量子位 QbitAI · 头条号签约
关注我们，第一韶光获知前沿科技动态