点赞再看，养成习惯，微信公众号搜索【JackCui-AI】关注这个爱发技术干货的程序员。本文 GitHub https://github.com/Jack-Cherish/PythonPark 已收录，有一线大厂面试完整考点、资料以及我的系列文章。
1 隐秘的角落
用了一个周末，一口气刷完了《隐秘的角落》这部电视剧。
不得不说，这部网剧看得过瘾，回想起来，也总觉得意犹未尽。
剧情开篇，景区的山顶，一个戴眼镜的男人，借着拍照片，把一对老人推了下去。
这一幕，被在景区游玩的三个孩子意外拍摄下来，故事从此展开。
这部剧，让一个叫「张东升」男人的名字大火，也就是把那对老人推下山的凶手。
而跟他本人同样出名的场景，是他突然摘下假发后露出的发际线。
「张东升」秃头造型，火爆网络，他的经典语录有：
- 一起去爬山吗？
- 您看我还有机会吗？
作为脑力劳动的程序员，脱发可能都是曾担忧过的一个问题。
在「程序员界」，流传着这么一个段子：
「我变秃了，也变强了。」
想不想，看看变强后的自己？
今天，继续手把手教学。
算法原理、环境搭建、模型训练、效果测试，一条龙服务，尽在下文！
2 算法原理
我在曾经的文章里讲解过类似的算法原理，例如之讲解的 ALAE 算法，人脸属性编辑。
这个算法是发表在国外 Medium 网站上的一篇文章。
Medium 原文地址（需要翻墙）：
https://medium.com/swlh/hairs...
这是一个名为 Azmarie Wang 的作品，作者是一位小姐姐。
而她也在自己的 Github 上开源了相应的代码。
项目地址：
https://github.com/Azmarie/Ha...
但，这个篇文章传到国内，源码被别人做成了视频在「 B站 」分享出去，就「莫名其妙」的变成了"自制"。
很多公众号发文，都冠以「 B 站 Up 主自制」的标签。
自制个锤子哦！
人家文章、源码早就有了好吗？
槽吐完了，咱接着说算法原理。
这个算法的名字叫「 Hairstyle Transfer 」。
该算法也是站在巨人的肩膀上实现的，由 StyleGAN Encoder、Progressive GAN、InterFace GAN、SVM 多种算法组成。
算法流程：
换一个通俗一点的语言解释就是，先使用原图生成一个「人脸模型 」，这个「人脸模型 」是可以编辑的，然后找到控制头发的「控制器」，调整参数，改变发型。
专业一点的说法就是，先使用原图，用 StyleGAN Encoder 反算潜码（ latent code ），获得多维的特征向量（头发、眼睛、嘴巴、肤色等）。
然后训练 SVM 分类器，用于找到控制头发的那个特征向量。
最后使用 Interface GAN 编辑特征，就可以完成头发属性编辑了。
想更深入的学习原理，需要先学习一下 StyleGAN Encoder 和 Interface GAN ，篇幅有限，本文就「点到为止」了。
3 环境搭建
你需要有在有 GPU 的机器上运行，如果能翻墙工具，强烈建议使用 Google Colab。
Google Colab 是一个 Google 提供的免费 GPU 服务器。
「 Hairstyle Transfer 」需要下载很多存放到 Google Drive 的权重文件。
使用 Google Colab 跑这个项目很方便，因为这个项目都是 ipynb 文件。
如果不能翻墙，也可以自己在本地，使用 Anaconda 新建虚拟环境。
「 Hairstyle Transfer 」算法，使用 Tensorflow 框架，并且必须是 1.x 的版本，不兼容 2.x。
首先，创建一个名为 tf 的 conda 虚拟环境。
conda create -n tf python=3 jupyter notebook然后使用 conda 和 pip 按照如下顺序，安装如下第三方库即可：
conda install scipy tensorflow-gpu==1.15都安装好后，环境就算搭建完成了。
4训练 & 效果测试
我们以「张东升」的图片为例进行训练以及效果测试。
图片下载地址：
https://cuijiahua.com/wp-cont...\_1.png
将项目下载到本地：
git clone https://github.com/Azmarie/Hairstyle-Transfer然后你会得到三个 jupyter 的 ipynb 文件。
依照上述顺序跑通代码。
StyleGAN\_Encoder 会生成 output\_vectors.npy 文件。
Get\_attribute\_score\_pairs 会 stylegan-dlatents.npy 和 9\_score.npy 文件。
然后，Train\_Boundaries 使用 stylegan-dlatents.npy 和 9\_score.npy 训练 Boundaries。
这里用到了 SVM 分类器，将控制头发的特征向量分出来，得到 boundary.npy，用于后续发型的控制。
最后，再使用 output\_vectors.npy 和 boundary.npy，即可控制头发的多少。
ipynb 详细说明了代码需要如何运行，依照它的教程，按照次序运行程序即可。
里面详细说明了，怎么裁剪图片，怎么训练等。
代码中用到了很多 Google Drive 保存的权重文件，我将这些权重文件，都上传到了我的百度网盘。
下载链接（提取码：2afm）：
https://pan.baidu.com/s/1sPqg...
需要注意的是，下载好这些权重文件，在跑代码的时候需要将代码中所有的加载权重方式修改一下，都改为本地加载。
例如修改 pkl 的读取方式等。
很简单，这里就不一一说明了。
根据 ipynb 的说明，我们就可以顺利跑通所有代码。
完成模型训练和效果测试。
最后，一起看一下「张东升」的 「 Hairstyle Transfer 」效果吧！
就很“秃然”，有木有！
用自己照片试试看？一秒变超人。
5 最后
「 Hairstyle Transfer 」 算法也有一些小问题，比如控制头发变少，图片的色调也会变暗。
作者：Jack Cui
原文：https://mp.weixin.qq.com/s/3r...
关注作者公众号，获取更多有趣AI应用~
系列篇
更多AIoT领域有趣的算法应用及产品请关注有趣的AIoT应用专栏。
