使用 Vultr 的云 GPU 构建超分辨率图像服务器教程

文章目录 隐藏

一、介绍

真实增强超分辨率生成对抗网络（Real-ESRGAN）是一种用于图像和视频恢复的开源算法。您可以使用 Real-ESRGAN 通过减少噪点并对其进行放大来恢复或增强低分辨率图像。本指南解释了如何使用 Streamlit和Real-ESRGAN 在 Vultr Cloud GPU 上构建超分辨率图像 Web 应用程序。

二、准备工作

部署在 Ubuntu 22.10 上运行的 Vultr Cloud GPU，至少具有 4 GB 的 GPU RAM。如果要使用更大的尺寸或尺寸增强低分辨率图像，请升级服务器的大小。
更新 Ubuntu 服务器。
创建一个具有 sudo 访问权限的非 root 用户并使用 SSH 登录。

三、构建超分辨率图像 Web 应用程序

克隆真实增强的超分辨率生成对抗网络（Real-ESRGAN）存储库。它包含要用于 Web 应用程序的机器学习模型。
```
$ git clone https://github.com/xinntao/Real-ESRGAN.git
```
将目录更改为克隆的存储库。Real-ESRGAN
```
$ cd Real-ESRGAN
```

安装 Python3 虚拟环境。

$ sudo apt-get install -y python3.10-venv

为真实的ESRGAN创建一个虚拟环境。
```
$ python3 -m venv esrgan-env
```

激活虚拟环境。

$ source ~/Real-ESRGAN/esrgan-env/bin/activate

使用pip 安装BasicSR。BasicSR用于训练和推理。
```
(esrgan-env)$ pip install basicsr
```
安装FaceXLib和GFPGAN。FaceXLib和GFPGAN都用于面部增强功能。
```
(esrgan-env)$ pip install facexlib

(esrgan-env)$ pip install gfpgan
```

安装真实 ESRGAN 所需的依赖项。

(esrgan-env)$ pip install -r requirements.txt

通过运行文件来设置 Real-ESRGAN。setup.py
```
(esrgan-env)$ python3 setup.py develop
```
安装流光。您将对 Web 应用程序的用户界面使用框架Streamlit。
```
(esrgan-env)$ pip install streamlit
```
创建一个名为的新文件夹。此文件夹是保存上传图像的位置。uploads
```
(esrgan-env)$ mkdir ~/Real-ESRGAN/uploads
```
创建一个名为的新文件夹。此文件夹是保存增强图像的位置。outputs
```
(esrgan-env)$ mkdir ~/Real-ESRGAN/outputs
```

创建文件。web-ui.py

(esrgan-env)$ nano ~/Real-ESRGAN/web-ui.py

使用以下代码填充文件：web-ui.py

导入所需的模块：

import streamlit as st

import os

import subprocess

from PIL import Image

定义函数。此函数将使用 Python 映像库（PIL）的一个分支Pillow 打开并识别上传的图像文件。load_image()

@st.cache # initialize streamlit cache

def load_image(image_file):

    img = Image.open(image_file)

    return img

定义函数。main()

def main():

设置 Web 应用程序的标题和副标题。

    st.title("Super Resolution Image Server")

    st.subheader("Upload Image to Enhance")

创建一个文件上传器小部件（dropbox），用于接受扩展名为png、jpeg 和 jpg 的图像文件。

    image_file = st.file_uploader("Upload an Image:", type=['png', 'jpeg', 'jpg'])

检查保管箱小部件是否已包含文件，然后以 500 像素的宽度显示图像的文件名、MIME 类型和图像本身。

    if image_file is not None:

        img_details = {"Image File Name": image_file.name, "Image File Type": image_file.type}

        st.write(img_details)

        img = load_image(image_file)

        st.image(img, width=500)

将上传的图像文件保存到您在步骤 11 中创建的上传文件夹。

        with open(os.path.join("uploads", image_file.name, ), "wb") as file:

            file.write(image_file.getbuffer())

Real-ESRGAN有五种图像增强和恢复模型：RealESRGAN_x4plus，RealESRNet_x4plus，RealESRGAN_x4plus_anime_6B，RealESRGAN_x2plus和realesr-general-x4v3。有关详细信息，请参阅模型动物园文档。

创建下拉菜单以选择要使用的模型。

        model = st.selectbox(

            "Select Model to Use:",

            ("RealESRGAN_x4plus", "RealESRNet_x4plus", "RealESRGAN_x4plus_anime_6B", "RealESRGAN_x2plus", "realesr-general-x4v3")

        )

        st.write("You selected: ", model)

创建一个复选框，用于启用或禁用人脸增强功能。

        face_enhance = st.checkbox("Enable Face Enhancement Feature")

创建一个按钮，单击该按钮时将运行相应的参数。参数将基于所选模型以及是否启用或禁用面部增强功能。增强的图像输出将放置在您在步骤 12 中创建的文件夹中。inference_realesrgan.pyoutputs

        if st.button("Enhance Image"):

            if model == "RealESRGAN_x4plus":



                if face_enhance:

                    subprocess.call("python3 inference_realesrgan.py -n RealESRGAN_x4plus -i uploads/" + image_file.name + " -o outputs --face_enhance", shell=True)

                else:

                    subprocess.call("python3 inference_realesrgan.py -n RealESRGAN_x4plus -i uploads/" + image_file.name + " -o outputs", shell=True)

            elif model == "RealESRNet_x4plus":

                if face_enhance:

                    subprocess.call("python3 inference_realesrgan.py -n RealESRNet_x4plus -i uploads/" + image_file.name + " -o outputs --face_enhance", shell=True)

                else:

                    subprocess.call("python3 inference_realesrgan.py -n RealESRNet_x4plus -i uploads/" + image_file.name + " -o outputs", shell=True)

            elif model == "RealESRGAN_x4plus_anime_6B":

                if face_enhance:

                    subprocess.call("python3 inference_realesrgan.py -n RealESRGAN_x4plus_anime_6B -i uploads/" + image_file.name + " -o outputs --face_enhance", shell=True)

                else:

                    subprocess.call("python3 inference_realesrgan.py -n RealESRGAN_x4plus_anime_6B -i uploads/" + image_file.name + " -o outputs", shell=True)

            elif model == "RealESRGAN_x2plus":

                if face_enhance:

                    subprocess.call("python3 inference_realesrgan.py -n RealESRGAN_x2plus -i uploads/" + image_file.name + " -o outputs --face_enhance", shell=True)

                else:

                    subprocess.call("python3 inference_realesrgan.py -n RealESRGAN_x2plus -i uploads/" + image_file.name + " -o outputs", shell=True)

            elif model == "realesr-general-x4v3":

                if face_enhance:

                    subprocess.call("python3 inference_realesrgan.py -n realesr-general-x4v3 -i uploads/" + image_file.name + " -o outputs --face_enhance", shell=True)

                else:

                    subprocess.call("python3 inference_realesrgan.py -n realesr-general-x4v3 -i uploads/" + image_file.name + " -o outputs", shell=True)

获取不带文件扩展名的图像文件名。

            img_name = os.path.splitext(image_file.name)[0]

获取图像的文件扩展名。

            img_ext = os.path.splitext(image_file.name)[1]

使用 Pillow 打开并识别增强的图像文件.

            enhanced_image = Image.open('outputs/' + img_name + '_out' + img_ext)

显示增强的图像。

            st.image(enhanced_image, width=500)

创建一个下载按钮，单击该按钮将下载增强的图像。

            with open("outputs/" + img_name + "_out" + img_ext, "rb") as dl:

                dl_btn = st.download_button(

                    label= "Download Enhanced Image",

                    data=dl,

                    file_name="enhanced_" + image_file.name,

                    mime=image_file.type,

                )

执行时运行函数。.main()

if __name__ == '__main__':

    main()

保存并通过按 +然后退出文件。web-ui.pyCTRLXYENTER

您的文件应如下所示：web-ui.py

import streamlit as st

import os

import subprocess

from PIL import Image



@st.cache

def load_image(image_file):

    img = Image.open(image_file)

    return img



def main():



    st.title("Super Resolution Image Server")

    st.subheader("Upload Image to Enhance")



    image_file = st.file_uploader("Upload an Image:", type=['png', 'jpeg', 'jpg'])

    if image_file is not None:

        img_details = {"Image File Name": image_file.name, "Image File Type": image_file.type}

        st.write(img_details)

        img = load_image(image_file)

        st.image(img, width=500)



        with open(os.path.join("uploads", image_file.name, ), "wb") as file:

            file.write(image_file.getbuffer())



        model = st.selectbox(

            "Select Model to Use:",

            ("RealESRGAN_x4plus", "RealESRNet_x4plus", "RealESRGAN_x4plus_anime_6B", "RealESRGAN_x2plus", "realesr-general-x4v3")

        )

        st.write("You selected: ", model)

        face_enhance = st.checkbox("Enable Face Enhancement Feature")

        if st.button("Enhance Image"):

            if model == "RealESRGAN_x4plus":

                if face_enhance:

                    subprocess.call("python3 inference_realesrgan.py -n RealESRGAN_x4plus -i uploads/" + image_file.name + " -o outputs --face_enhance", shell=True)

                else:

                    subprocess.call("python3 inference_realesrgan.py -n RealESRGAN_x4plus -i uploads/" + image_file.name + " -o outputs", shell=True)

            elif model == "RealESRNet_x4plus":

                if face_enhance:

                    subprocess.call("python3 inference_realesrgan.py -n RealESRNet_x4plus -i uploads/" + image_file.name + " -o outputs --face_enhance", shell=True)

                else:

                    subprocess.call("python3 inference_realesrgan.py -n RealESRNet_x4plus -i uploads/" + image_file.name + " -o outputs", shell=True)

            elif model == "RealESRGAN_x4plus_anime_6B":

                if face_enhance:

                    subprocess.call("python3 inference_realesrgan.py -n RealESRGAN_x4plus_anime_6B -i uploads/" + image_file.name + " -o outputs --face_enhance", shell=True)

                else:

                    subprocess.call("python3 inference_realesrgan.py -n RealESRGAN_x4plus_anime_6B -i uploads/" + image_file.name + " -o outputs", shell=True)

            elif model == "RealESRGAN_x2plus":

                if face_enhance:

                    subprocess.call("python3 inference_realesrgan.py -n RealESRGAN_x2plus -i uploads/" + image_file.name + " -o outputs --face_enhance", shell=True)

                else:

                    subprocess.call("python3 inference_realesrgan.py -n RealESRGAN_x2plus -i uploads/" + image_file.name + " -o outputs", shell=True)

            elif model == "realesr-general-x4v3":

                if face_enhance:

                    subprocess.call("python3 inference_realesrgan.py -n realesr-general-x4v3 -i uploads/" + image_file.name + " -o outputs --face_enhance", shell=True)

                else:

                    subprocess.call("python3 inference_realesrgan.py -n realesr-general-x4v3 -i uploads/" + image_file.name + " -o outputs",shell=True)



            img_name = os.path.splitext(image_file.name)[0]

            img_ext = os.path.splitext(image_file.name)[1]



            enhanced_image = Image.open('outputs/' + img_name + '_out' + img_ext)

            st.image(enhanced_image, width=500)



            with open("outputs/" + img_name + "_out" + img_ext, "rb") as dl:

                dl_btn = st.download_button(

                    label= "Download Enhanced Image",

                    data=dl,

                    file_name="enhanced_" + image_file.name,

                    mime=image_file.type,

                )



if __name__ == '__main__':

    main()

三、使用 Tmux 运行超分辨率图像 Web 应用程序

当您在正常的 SSH 会话上运行基于 Streamlit 的 Web 应用程序时，当您退出 SSH 会话时，Streamlit 进程将关闭。要在离开 SSH 会话时持续运行 Web 应用程序，请使用终端多路复用器 tmux。

要创建 Tmux 进程，请运行：
```
(esrgan-env)$ tmux new -s esrgan-webapp
```
您可以使用您喜欢的任何会话名称进行更改。请参阅如何安装和使用 Tmux 了解有关 Tmux的更多信息。esrgan-webapp
默认情况下，Streamlit 在端口上运行，因此您需要允许端口在防火墙上。85018501
```
(esrgan-env)$ sudo ufw allow 8501
```

启动超分辨率图像 Web 应用程序。

(esrgan-env)$ streamlit run ~/Real-ESRGAN/web-ui.py

当您第一次运行 Streamlit 时，系统会提示您输入您的电子邮件地址。如果您想接收Streamlit更新，请输入您的电子邮件地址，或者您可以按跳过它。ENTER
要从流光会话中分离，请按+然后。CTRLBD
要查看超分辨率图像 Web 应用程序，请在浏览器中导航到服务器的 IP 地址。例如。8501http://192.0.1.2:8501

四、测试超分辨率图像 Web 应用程序

在浏览器中，导航端口服务器的 IP 地址。例如。8501http://192.0.1.2:8501
在文件保管箱中，上传任何低分辨率图片。文件保管箱仅接受 PNG、JPG 和 JPEG 图像。上传后，图像将以 500 像素的宽度显示，以及其文件名和 MIME 类型。
选择要用于增强图像的 ML 模型。有关详细信息，请参阅模型动物园文档。
选中“启用人脸增强功能”复选框以启用人脸增强，否则将其保留为未选中状态。
点击增强图像按钮以增强上传图像的分辨率。应用程序会在您首次运行时下载模型的权重。
增强上传的图像后，它将显示宽度为 500px 的输出图像。
单击下载增强图像按钮以下载输出图像。
有关示例，请参阅下图。

示例执行：

型号： RealESRGAN_x4plus

面部增强：已禁用

示例 - 超分辨率图像 Web 应用程序

低分辨率图像输入：

输入 - 低分辨率图像

增强图像：

输出 - 增强图像

您已经使用 Streamlit 和 Real-ESRGAN 在 Vultr Cloud GPU 上成功创建了超分辨率图像服务器。

使用 Vultr 的云 GPU 构建超分辨率图像服务器教程

一、介绍

二、准备工作

三、构建超分辨率图像 Web 应用程序

三、使用 Tmux 运行超分辨率图像 Web 应用程序

四、测试超分辨率图像 Web 应用程序

相关推荐

联系本站

最新文章

热门文章

热门标签

网站统计

其他操作