Einführung
. : " ", "", "Russian doomer music" . , , - , . , . , - ? .
import os
import vk_api
import urllib.request
def captcha_handler(captcha):
print (f"url: {captcha.get_url()}\n")
key = input("Enter captcha code: ")
return captcha.try_again(key)
def auth_handler():
code = input("Enter 2FA code: ")
return (code, True)
def save_post_pictures(post, imgfolder, imres):
pictures = []
if not os.path.exists(imgfolder):
os.makedirs(imgfolder)
for attachment in post['attachments']:
if attachment['type'] == 'photo':
photo = attachment['photo']
for size in photo['sizes']:
if size['type'] == imres:
url = size['url']
filename = ('_'.join(url.split('/')[-2:])).split('?')[0]
urllib.request.urlretrieve(url, os.path.join(imgfolder, filename))
pictures.append(filename)
return pictures
phone = input("phone ")
password = input("password ")
domain = 'plattenbauten' # vk.com/plattenbauten
sess = vk_api.VkApi(phone, password, captcha_handler=captcha_handler, auth_handler=auth_handler)
sess.auth()
api = sess.get_api()
posts = api.wall.get(domain=domain, count=1)['items']
save_post_pictures(posts[0], domain, 'z') # https://vk.com/dev/photo_sizes - z
100 . , . EfficientDet ( , , .., ), - NLP NLTK - . 10 .
Stylegan2 . (, , ) . , - Google Colab ( ).
- .tfrecord ( readme). , tfrecord- , Colab . , , 10 10241024, .tfrecord . , stylegan2 .tfrecord-, .
Google Colab 10241024. , " ".
- . - ( mubert). .
, . , ( 512) ( , ), . ( ) , . generate.py , , , .
Mit dem Aufkommen von Architekturen wie stylegan gewinnt die generative Kunst an Dynamik - einige haben sogar erfolgreich generative Gemälde für Hunderte von Dollar verkauft, ohne eine einzige Codezeile zu schreiben. Ich hoffe, dieser Artikel wird jemand anderen auf die Idee bringen, neuronale Netze in der Kunst zu verwenden, zumal Dienste wie Colab die Eintrittsschwelle und die Kosten erheblich senken, um interessante Ergebnisse zu erzielen.
Links
Stylegan2-ada neuronales Netzwerk