使用昇思MindSpore实现广告Banner图片生成：从理论到实践（下）

[qianduanjidi]

使用昇思MindSpore实现广告Banner图片生成：从理论到实践（上）
使用昇思MindSpore实现广告Banner图片生成：从理论到实践（中）

1.1.6 生成最终的Banner图片

# 生成最终的Banner图片
def generate_final_banner():
    netG.set_train(False)
    noise = ops.randn((1, latent_dim, 1, 1))
    generated_image = netG(noise)
    
    # 转换为PIL图像
    img = generated_image[0].asnumpy().transpose(1, 2, 0)
    img = (img + 1) / 2.0
    img = np.clip(img, 0, 1)
    img = (img * 255).astype(np.uint8)
    
    return Image.fromarray(img)

# 生成并保存最终的Banner
print("生成最终Banner图片...")
final_banner = generate_final_banner()
final_banner.save("final_generated_banner.png")
print("Banner图片已生成并保存为 'final_generated_banner.png'")

# 显示训练结果
print("\n训练总结:")
print(f"训练epoch数: {num_epochs}")
print(f"批次大小: 4")
print(f"数据集大小: {len(banner_ds)}")

# 显示原始图片和生成图片的对比
try:
    plt.figure(figsize=(12, 5))
    
    # 显示原始数据中的一张图片
    plt.subplot(1, 3, 1)
    sample_image = banner_ds[0].transpose(1, 2, 0)
    sample_image = (sample_image + 1) / 2.0
    plt.imshow(sample_image)
    plt.title("原始图片样本")
    plt.axis('off')
    
    # 显示中间epoch生成的图片
    plt.subplot(1, 3, 2)
    if os.path.exists("generated_banner_epoch_0.png"):
        mid_img = Image.open("generated_banner_epoch_0.png")
        plt.imshow(mid_img)
        plt.title("训练初期生成")
    else:
        plt.text(0.5, 0.5, "No image", ha='center', va='center')
    plt.axis('off')
    
    # 显示最终生成的图片
    plt.subplot(1, 3, 3)
    plt.imshow(final_banner)
    plt.title("最终生成Banner")
    plt.axis('off')
    
    plt.tight_layout()
    plt.savefig("training_comparison.png", dpi=150, bbox_inches='tight')
    plt.show()
    
except Exception as e:
    print(f"显示图片时出错: {e}")
    print("但图片已成功保存到文件")

print("所有图片已生成完成！")

运行结果：

1.1.7 总结与展望

MindSpore的优势：

动态图模式：使用PYNATIVE_MODE便于调试和开发

高效的梯度计算：利用GradOperation简化反向传播

内存优化：自动内存管理提高训练效率

GAN训练技巧：

标签平滑：使用0.9和0.1而不是1和0作为真实/假标签

梯度惩罚：避免模式崩溃问题

学习率调度：自适应调整学习率提高训练稳定性

本文展示了如何使用昇思MindSpore框架实现一个功能完整的GAN模型来生成广告Banner图片。虽然当前模型在64×64分辨率下工作良好，但未来可以进一步改进：

提高分辨率：使用渐进式GAN生成更高分辨率的图片

条件生成：根据文本描述生成特定风格的Banner

风格控制：允许用户控制生成图片的颜色、布局等属性

通过结合深度学习和MindSpore框架的强大能力，我们为自动化广告设计开辟了新的可能性。这种技术不仅能够节省设计时间，还能通过数据驱动的方法优化营销效果。
代码仓地址：

昇思大模型平台