Projeto desenvolvido para o evento DATA Day ocorrido no dia 30/11/2019 e promovido pelo grupo DATA. O principal objetivo do projeto era o de trazer à tona a existência das GAN's (Generative Adversarial Networks) e discutir seu funcionamento e possíveis aplicações. Com essa finalidade, foi desenvolvido um website que permitiu aos participantes interagirem pessoalmente com a StyleGAN, uma arquitetura de última geração desenvolvida pela NVIDIA em 2019.
├── LICENSE
├── README.md <- informações gerais acerca do projeto.
├── notebooks <- notebooks python utilizados no projeto.
│ ├── gerar_instancia.ipynb <- notebook utilizados para configurar a aplicação server-side.
├── src <- códigos fontes utilizados no projeto client-side.
│ ├── manage.py <- script python utilizado pelo django para iniciar o projeto na máquina.
│ ├── www_interpolar <- pasta padrão utilizada pelo django para configurar o projeto.
│ ├── scripts <- scripts python que serão utilizados no server-side em conjunto com o notebook.
│ │ ├── proccess.py <- script responsável por realizar as interpolações nas imagens.
│ │ ├── check.py <- verifica se há alguma instância de proccess.py sendo executada no momento.
│ ├── website <- pasta padrão utilizada pelo django para configurar o projeto.
│ │ ├── urls.py <- realiza o mapeamento das rotas com suas devidas views.
│ │ ├── views.py <- responsável por receber e executar as requisições do website.
│ │ ├── forms.py <- define para o django quais são os formulários existentes no website.
│ │ ├── models.py <- implementa todas as rotinas e funções utilizadas pelo website.
│ │ ├── templates <- templates html utilizados pelo website.
│ │ ├── nao_processadas <- diretório utilizado para salvar as imagens na fila para serem processadas pela GAN.
│ │ ├── processadas <- diretório utilizado para salvar as imagens já processadas pela GAN.
│ │ ├── static <- recursos utilizados pelo website como CSS, Javascripts e imagens
│ │ │ ├── interpolacoes <- diretório utilizado para salvar os resultados das imagens processadas pela GAN.
A versão do python e também de todas as dependências utilizadas no projeto podem ser encontradas no arquivo environment.yml. Para a execução da GAN localmente é necessário a utilização do CUDA e do TensorFlow nas versões especificadas no notebook gerar_instancia.ipynb.
O projeto desenvolvido é dividido em duas frentes distintas para que possa funcionar. Sendo elas:
- Front-side: Responsável pela execução do website; captação de imagens para serem processadas; funções iterativas para o usuário final.
- Server-side: Responsável pela execução dos scripts de processamento. Deve possuir uma GPU que comporte a execução da StyleGAN.
O Website foi desenvolvido em django e basta, portanto, baixar os arquivos da pasta /src em um diretório local e executar o seguinte comando via terminal:
$ python manage.py runserver 0.0.0.0:8000
Já quanto ao servidor, recomendamos que se siga as instruções passo a passo do notebook em uma instância do Google Collab. Uma vez compreendido quais arquivos são utilizados no mesmo é possível reproduzir a arquitetura utilizada em qualquer serviço de nuvem (ou localmente) que possua os pré-requisitos necessários.
Cézanne Alves, Gabriel Van Loon, Gustavo Soares e Victor Henrique Rodrigues.
React
Typescript
Django
Laravel
Facebook
Microsoft
Google
Alibaba
D3
Tencent