：COO、执行总编、主编、高级编译、主笔、运营总监、客户经理、咨询总监、行政助理等 9 大岗位全面开放。

　　简历投递：j[email protected]

　　HR 微信：13552313024

　　新智元为COO和执行总编提供最高超百万的年薪激励；为骨干员工提供最完整的培训体系、高于业界平均水平的工资和奖金。

　　加盟新智元，与人工智能业界领袖携手改变世界。

　　【新智元导读】神经网络基于样本图像的训练为模糊图像补充细节，从而把模糊图像变高清。它不能把你的照片重建成一模一样的高清版。这只有好莱坞大片才有可能做到——但使用深度学习和神经增强（Neural Enhance）实现的“创造性 AI”作品同样很酷！

　　想得到如《犯罪现场调查》中CSI实验室那种提高照片清晰度的技术吗？感谢深度学习和神经增强（#NeuralEnhance）技术，现在已经能够训练一个神经网络把照片放大 2 倍，甚至 4 倍。通过增加神经元数目或使用与你的低分辨率图像相似的数据集进行训练，甚至能得到更好的结果。

　　神经网络基于样本图像的训练为模糊图像补充细节。它不能把你的照片重建成一模一样的高清版。这只有好莱坞大片才有可能做到——但使用深度学习生成的“创造性 AI”作品同样很酷！以下是教程。

　　示例 & 用法

例1：老旧的车站

　　主要的脚本是 enhance.py ，按照以下方式设置后，你可以用 Python3.4+ 来运行。参数 --device 可以让你指定要使用的 GPU 或 CPU。如在上面的例子中，性能结果如下：

GPU 渲染 HQ —— 假定你已经设置好 CUDA，并且有足够的在板存储器（on-board RAM）适配图像和神经网络，生成 1080p 输出应该在5秒内完成，或者同时处理多张图像时，每张图像2秒。

CPU 渲染 HQ—— 生成 1080p 输出大约需要20~60秒，但在大多数机器上，只要有足够的系统RAM，你可以同时运行4-8进程。运行时间取决于神经网络的规模。

　　默认情况下使用 --device=cpu ，如果你有已经设计好 CUDA 的 NVIDIA 卡，可以试试 --device=gpu0 。在CPU上，你还可以将环境变量设置为 OMP_NUM_THREADS=4 ，这在多次并行运行脚本时很有用。

　　1. 增强图像

　　2. 训练超分辨率

　　GitHub上提供了预训练模型。自己训练的过程要求精细，可能需要根据你的图像数据集选择参数。

　　安装 & 设置

　　例2：银行大厅

　　1. 使用 Docker Image [推荐]

　　启动并运行的最简单方式是安装 Docker 。然后，开奖，使用 docker命令行工具应该能够下载并运行预构建的图像。可以在 Docker Hub （https://hub.docker.com/r/alexjc/neural-enhance/） 页面了解有关 alexjc/neural-enhance图像的更多信息。

单一图像 ——建议你设置一个叫 enhance的 alias 来自动显示包含指定的图像的文件夹，这样脚本能够读取并把结果存储到可访问的地方。你可以在 OSX 或 Linux 的终端控制台中这样做：

多图像 —— 要从文件夹或通配符规范的行中更快地实现多图像增强，请确保对 alias 命令引用如下参数：

　　如果你想在 NVIDIA GPU 上运行，你可以改变 alias ，使用兼容 CUDA 和预安装的 CUDNN 的 alexjc/neural-enhance:gpu，然后在 nvidia-docker 内运行，它应该就使用你自己的物理硬件了。

　　2. 手动安装 [开发者]