Guia do desenvolvedor
Reestruturação do código
- arquitetura do modeloO código principal está localizado em model.py e pode modificar a estrutura da camada de rede
- função de perdaAjuste dos pesos da perda perceptual e da perda contraditória em train.py
Personalização do processo de treinamento
- Preparação de dadosColeção de dados emparelhados (com mapa original com marca d'água + mapa de valor real sem marca d'água)
- Configuração de parâmetrosModificação dos hiperparâmetros em config.py
- treinamento de preparação::
python train.py --dataset 数据集路径 --batch_size 8
Conselhos práticos
- Obtenha melhores recursos de GPU com o Google Colab Pro!
- Alguns dos pesos da rede subjacente podem ser congelados para treinamento de pequenas amostras
- Recomendamos o uso do TensorBoard para monitorar o processo de treinamento
Direções estendidas
Pode tentar:
- Integração dos recursos de reparo da Stable Diffusion
- Desenvolvimento de interfaces GUI para reduzir a barreira ao uso
- Adaptação da estrutura do PyTorch para melhorar a eficiência do desenvolvimento
Essa resposta foi extraída do artigoRemoção de marca d'água: ferramenta de remoção de marca d'água de imagem de código aberto, recuperação de marca d'água de imagem originalO
Não pode ser reproduzido sem permissão:Ferramentas de produtividade de IA " Como fazer o desenvolvimento secundário ou o treinamento de modelos com base na remoção de marcas d'água?
