projet Deep Learning

Visage réalisé en Python dans le cadre de l'UE LIFPROJET de l'Université Lyon 1 Claude Bernard durant l'année 2022-2023.

Auteurs

• Louis-Antoine Pham
• Alexandre Faure
• Emilien Komlenovic

I. Installation

Anaconda

• Installer Anaconda puis créer un environnement.
  1. conda create -n p39 python=3.9
  2. activate p39
• Installer Pytorch.
  1. Avec Cuda
     $ conda install pytorch torchvision torchaudio cudatoolkit=11.6 -c pytorch -c conda-forge
  2. Sans Cuda (Seulement CPU [Non conseillé])
     $ conda install pytorch torchvision torchaudio cpuonly -c pytorch
• Installer matplotlib.
  $ conda install matplotlib
• Dans l'environnement p39.
  $ pip install torchinfo opencv-python tk pandas tensorboard
• Télécharger aussi la base donnée CelebA puis l'extraire dans data.
• Télécharger aussi les modeles puis les placer dans /visage/Model.

II. Structure des fichiers

• Le Dossier Data contient 2 sous dossiers :
  1. MNIST qui fu notre base de test d'initiation.
  2. img_align_celeba qui est la base de donnée utilisée pour le projet.
• Le Dossier learn qui contient 2 sous dossiers:
  1. lean_basis qui contient tout nos entrainement sur la base MNSIT ainsi que sur un nuage de points.
  2. Model qui est la sauvegarde de nos modèles d'entrainement.
• Le Dossier visage qui contient le code principale de notre projet.

III. Lancement de l'Application de Démonstration

L'application nommé "App.py" se situe à la racine. Elle présente une génération de visage avec un Auto-Encoder, Un Auto-Encoder Variationnel, ainsi qu'une interpolation entre deux visages avec les technologies cité précédemment.