新手向教程:使用CPU训练你的字体

[chengtx809]

本文是在基于 #43 的基础上更改而来，原作者没有提供对于CPU的训练教程，我创建了使用CPU的训练程序，特此补充（如果你使用英伟达显卡训练，请移步作者的教程，本文只是给没有显卡而想要使用CPU训练的人群阅读：）

本教程偏小白向，可能会过于啰嗦，还望见谅

0.下载代码：

1.安装python3.8（其他版本可能会报错！）

官网链接：https://www.python.org/downloads/release/python-380/
官网下载慢的话，我自己下载了一份拷到蓝奏云，各位可以直接下：
https://chengtx.lanpw.com/iJ6W21m7s13i 密码:fid4

2.安装库：

我试跑一轮下来，安装了这些库：
以下是Python 3.8没有自带的库及其安装命令：

1. certifi - 安装命令：pip install certifi
2. charset-normalizer - 安装命令：pip install charset-normalizer
3. colorama - 安装命令：pip install colorama
4. easydict - 安装命令：pip install easydict
5. einops - 安装命令：pip install einops
6. fastdtw - 安装命令：pip install fastdtw
7. filelock - 安装命令：pip install filelock
8. fsspec - 安装命令：pip install fsspec
9. idna - 安装命令：pip install idna
10. Jinja2 - 安装命令：pip install Jinja2
11. lmdb - 安装命令：pip install lmdb
12. MarkupSafe - 安装命令：pip install MarkupSafe
13. mpmath - 安装命令：pip install mpmath
14. networkx - 安装命令：pip install networkx
15. numpy - 安装命令：pip install numpy
16. opencv-contrib-python - 安装命令：pip install opencv-contrib-python
17. packaging - 安装命令：pip install packaging
18. pillow - 安装命令：pip install pillow
19. protobuf - 安装命令：pip install protobuf
20. PyYAML - 安装命令：pip install PyYAML
21. requests - 安装命令：pip install requests
22. setuptools - 安装命令：pip install setuptools
23. six - 安装命令：pip install six
24. sympy - 安装命令：pip install sympy
25. tensorboardX - 安装命令：pip install tensorboardX
26. torch - 安装命令：pip install torch
27. torchaudio - 安装命令：pip install torchaudio
28. torchvision - 安装命令：pip install torchvision
29. tqdm - 安装命令：pip install tqdm
30. typing_extensions - 安装命令：pip install typing_extensions
31. urllib3 - 安装命令：pip install urllib3

你只需要win+R打开cmd,然后依次执行以上命令
如果下载速度较慢，只要几十~几百kb/s，可以依次执行以下命令把pip换成清华源，下载速度会很快：

python -m pip install --upgrade pip
pip config set global.index-url `https://pypi.tuna.tsinghua.edu.cn/simple

如果换源失败，请自行百度“pip换源“，这里不过多赘述
这些库可能有点多，但我实测一轮下来就是安装了这么多：（
如果你还遇到类似：ModuleNotFoundError: No module named 'tqdm'的报错，说明你缺少单引号里的库，需要安装
如我给出的报错信息就要在cmd里执行pip install tqdm来安装库
如果还有关于库安装的问题，自行百度吧：）

3.下载预训练模型：

解压最开始下载的代码文件，在里面新建一个名为checkpoint的文件夹：

从readme文件里的百度网盘下载预训练模型checkpoint-iter199999.pth
如果百度网盘太慢，我也将其复制了一份到123云盘（超过100M蓝奏云放不了啊啊啊啊）
https://www.123pan.com/s/TmBBjv-xDlaH.html
最后将下载下来的checkpoint-iter199999.pth文件放入创建的checkpoint文件夹中

4.下载pkl文件:

依旧提供蓝奏云链接：
https://chengtx.lanpw.com/iDQqn1m7vyqh 密码:5qvj
然后在代码目录新建名为data的文件夹
将下载下来的压缩包解压进data文件夹中

3个pkl文件应该位于代码根目录下的data\CASIA_CHINESE文件夹中，如上图所示

5.下载适用于CPU训练的user_generate_cpu.py文件：

这是我在原基础user_generate.py代码更改而来，使其使用cpu训练而不是cuda
依旧蓝奏云：
https://chengtx.lanpw.com/iC9XO1m7x2gh 密码:9vwa
把文件解压，得到user_generate_cpu.py文件并放入代码文件夹中：

6.更改gmm.py文件：

打开models文件夹下的gmm.py,如上图

进入后把文件内的3个"cuda"改为“cpu”（3个“cuda”位置如上图）

改完之后应该是上面这样子：
我也提供了改完之后的gmm.py文件
https://chengtx.lanpw.com/iF2Ze1m7y7gd 密码:fskz
下载下来解压后替换models文件夹内的gmm.py文件

7.数据预处理：

在代码根目录新建style_samples文件夹：

2024.5.12补：
我使用的是windows画图，把画布调成300*300，直接写完后保存到style_samples文件夹内
然后在style_samples文件夹下新建一个python文件，填入这段代码并运行：

from PIL import Image  
import os  
# 设置二值化阈值  
threshold = 128  
current_dir = os.getcwd()  

for filename in os.listdir(current_dir):  
    if filename.endswith(('.jpg', '.png')):  
        img = Image.open(filename)  
        gray_img = img.convert('L')  
        binary_img = gray_img.point(lambda x: 255 if x > threshold else 0, '1')  
        binary_filename = filename.rsplit('.', 1)[0] + '_binary.' + filename.rsplit('.', 1)[1]  
        binary_img.save(binary_filename)  
          
        print(f"保存为：{binary_filename}")
        try:  
            os.remove(filename)  
            print(f"已删除：{filename}")  
        except OSError as e:  
            print(f"无法删除 {filename}.{e.strerror}") 

这段代码运行后会二值化图片，如果没有这一步会导致生成效果不理想！

8.开始训练！

很高兴你能看到这里，这是本教程的最后一步！！！
回到代码根目录，在地址栏输入cmd并回车

在弹出的黑窗口中输入：
python user_generate_cpu.py --pretrained_model .\checkpoint\checkpoint-iter199999.pth --style_path .\style_samples
然后等待一下，出现以下界面

恭喜你成功训练！！！
训练完成的图片可以在Generated文件夹下找到

若还有问题，欢迎留言，看到后我会第一时间处理！

[CreeperAWA]

大佬，你教程里下载user_generate_cpu.py的链接是data.7z，解压以后并没有user_generate_cpu.py

[chengtx809]

大佬，你教程里下载user_generate_cpu.py的链接是data.7z，解压以后并没有user_generate_cpu.py

放错链接了：
https://chengtx.lanpw.com/iC9XO1m7x2gh
密码:9vwa
这个才是

[chengtx809]

9vwa

已经改完教程链接了，现在看应该是正常的

[maygyd]

大佬

user_generate.py是不是没加上cpu啊
另外，这是我的报错

[maygyd]

大佬 user_generate.py是不是没加上cpu啊 另外，这是我的报错

我也重装过一遍了，还是一样

[chengtx809]

大佬 user_generate.py是不是没加上cpu啊 另外，这是我的报错

好像是的（捂脸，
现在更改教程：）
这个报错我倒是没有见过，确认下python版本是不是3.8，我试过非3.8版本会有不兼容报错，实在不行就把python全卸了只装个3.8

[chengtx809]

大佬 user_generate.py是不是没加上cpu啊 另外，这是我的报错

我也重装过一遍了，还是一样

我查了一下，是样本图像的问题，数据格式有问题。要更换下样本。
我可以分享下我采集样本的方法：把一堆字写在纸上并且用扫描软件扫描，然后在电脑截图，把一个个字单独截出来再存下来。我使用的截图软件是pixpin，是不会出现任何问题的

[tamako33]

非常感谢大佬的教程，我在使用过程中还是遇到了如下问题，询问gpt之后也没找到解决办法，想请教大佬这个是什么原因导致的，应该如何解决

[maygyd]

非常感谢大佬的教程，我在使用过程中还是遇到了如下问题，询问gpt之后也没找到解决办法，想请教大佬这个是什么原因导致的，应该如何解决

输入数量够吗

[tamako33]

非常感谢大佬的教程，我在使用过程中还是遇到了如下问题，询问gpt之后也没找到解决办法，想请教大佬这个是什么原因导致的，应该如何解决

输入数量够吗

非常感谢dalao的回复，跑起来了，犯了一个很低级的错误(存放图片的文件夹与命令行的文件夹名称不一致) sry!!! i5-12600KF跑起来大概95.26s/it 然后2%进度稳定蓝屏，使用gpu的话会报cuda的错

[ouremeng]

大佬,我是纯小白,前面几步已经按照教程设置好了,最后一步输入后按回车只是换行,没有任何反应,可能是什么原因(°ー°〃)

[coling0]

小白感谢大佬提供的脚本，代码在windows10/winserver2016+python3.9.7中得到复现，正常运行，但是经过对比发现一些点：
提供40张图
环境1：windows10+i3-10100+32G 运行时间大概10小时
环境2：windserver2016+双路至强Gold5222+256G 差不多9个半小时
CPU都是跑满100%，不知道为撒差别这么小😂

[maygyd]

[自动回复]Sorry,the DALAO you talked with is so busy that can't answer you forever,please never send amessages again.

[chengtx809]

小白感谢大佬提供的脚本，代码在windows10/winserver2016+python3.9.7中得到复现，正常运行，但是经过对比发现一些点： 提供40张图 环境1：windows10+i3-10100+32G 运行时间大概10小时 环境2：windserver2016+双路至强Gold5222+256G 差不多9个半小时 CPU都是跑满100%，不知道为撒差别这么小😂

我个人也不是很了解这方面知识，目前只做过LLM在CPU上跑的优化
我12代i9跑完大概4h。可以做个参考😂

[chengtx809]

非常感谢大佬的教程，我在使用过程中还是遇到了如下问题，询问gpt之后也没找到解决办法，想请教大佬这个是什么原因导致的，应该如何解决

输入数量够吗

非常感谢dalao的回复，跑起来了，犯了一个很低级的错误(存放图片的文件夹与命令行的文件夹名称不一致) sry!!! i5-12600KF跑起来大概95.26s/it 然后2%进度稳定蓝屏，使用gpu的话会报cuda的错

抱歉现在才看到哈，我个人实测下是不会出现蓝屏，可以具体提供下蓝屏代码看看？

[chengtx809]

大佬,我是纯小白,前面几步已经按照教程设置好了,最后一步输入后按回车只是换行,没有任何反应,可能是什么原因(°ー°〃)

是不是路径的问题？照着教程是木有问题的欸

[aceliuchanghong]

@chengtx809 你这儿的style_samples可以发我zip看看吗,麻烦了,谢谢

[chengtx809]

@chengtx809 你这儿的style_samples可以发我zip看看吗,麻烦了,谢谢

我现在在学校，等明天周末回家了我发你

[chengtx809]

@chengtx809 你这儿的style_samples可以发我zip看看吗,麻烦了,谢谢

你试试直接微软自带的Windows画图，画布300*300，直接默认画笔，把写好的存到style_samples。然后再在style_samples目录下建一个python文件，写这段二值化代码：

from PIL import Image  
import os  
# 设置二值化阈值  
threshold = 128  
current_dir = os.getcwd()  

for filename in os.listdir(current_dir):  
    if filename.endswith(('.jpg', '.png')):  
        img = Image.open(filename)  
        gray_img = img.convert('L')  
        binary_img = gray_img.point(lambda x: 255 if x > threshold else 0, '1')  
        binary_filename = filename.rsplit('.', 1)[0] + '_binary.' + filename.rsplit('.', 1)[1]  
        binary_img.save(binary_filename)  
          
        print(f"保存为：{binary_filename}")
        try:  
            os.remove(filename)  
            print(f"已删除：{filename}")  
        except OSError as e:  
            print(f"无法删除 {filename}.{e.strerror}") 

然后运行程序，程序会把图片二值化（就去掉灰度），在跑下就能复现出比较好的结果了
对了，字迹笔画细一点的样本出来效果会好一点

[gudaoxongdi]

简单说一下规律，这个模型对笔画的宽度有着十分严格的限制，只要笔画宽了，就容易出“草书” 解决方法和楼主说的一样，笔宽12，画面100% 我是拿鼠标画的，就调整成，笔宽6，画面50%，这样就方便画一点

确实，跟画笔的粗细关系很大。

第1张是按照说明，在sai里用二值笔，关闭压感，粗细为12，结果生成的还是很潦草的。

第2张，其它条件一样，就是把粗细调成3，生成的就不怎么潦草了。

第3张是在AI里，用相对细的线条写的，生成的也不怎么潦草了。

[chengtx809]

@chengtx809 你这儿的style_samples可以发我zip看看吗,麻烦了,谢谢

style_samples.zip
文件在这里

[la-1314]

Torch not compiled with CUDA enabled 最后报错报这个怎么回事呢求大佬解答一下

[maygyd]

[自动回复]Sorry,the DALAO you talked with is so busy that can't answer you forever,please never send amessages again.

[CreeperAWA]

Torch not compiled with CUDA enabled 最后报错报这个怎么回事呢求大佬解答一下

Torch 没有编译启用 CUDA

这句话意味着你当前使用的 Torch（一个流行的深度学习库，通常指的是 PyTorch）没有被编译以支持 CUDA。CUDA 是 NVIDIA 推出的一个并行计算平台和编程模型，它允许开发者利用 NVIDIA 的 GPU 进行高效的计算。如果你的 Torch 没有编译启用 CUDA，那么它将无法使用 GPU 加速，只能使用 CPU 进行计算，这通常会慢得多。

为了解决这个问题，你可以考虑以下几个步骤：

1. 确认你的机器上是否安装了 NVIDIA GPU，并且该 GPU 支持 CUDA。
2. 前往 PyTorch 的官方网站，下载并安装支持 CUDA 的 PyTorch 版本。在安装时，确保选择与你的 CUDA 版本相匹配的 PyTorch 版本。
3. 安装完成后，你可以通过运行一些简单的测试来确认 PyTorch 是否能够正确地使用 GPU。例如，你可以运行 torch.cuda.is_available() 来检查 PyTorch 是否能够识别并使用 GPU。

如果你没有 NVIDIA GPU，或者你的 GPU 不支持 CUDA，那么你可能需要使用其他方法来加速你的深度学习模型，比如使用 CPU、其他类型的 GPU（如 AMD 的 GPU）或者云服务（如 Amazon EC2、Google Cloud Platform 等）。

[chengtx809]

全部步骤都完成了吗，要把文件里的gpu改成cpu 在 2024-08-29 20:14:56，"la-1314" ***@***.***> 写道： Torch not compiled with CUDA enabled 最后报错报这个怎么回事呢求大佬解答一下 — Reply to this email directly, view it on GitHub, or unsubscribe. You are receiving this because you were mentioned.Message ID: ***@***.***>