For easy setup

README-ja.md

@@ -0,0 +1,96 @@
+# chainer-gogh
+
+## Implementation of "A neural algorithm of Artistic style" (http://arxiv.org/abs/1508.06576)
+## 解説記事: https://research.preferred.jp/2015/09/chainer-gogh/
+
+<img src="https://raw.githubusercontent.com/mattya/chainer-gogh/master/sample_images/cat.png" height="150px">
+
+
+<img src="https://raw.githubusercontent.com/mattya/chainer-gogh/master/sample_images/style_0.png" height="150px">
+<img src="https://raw.githubusercontent.com/mattya/chainer-gogh/master/sample_images/im0.png" height="150px">
+<img src="https://raw.githubusercontent.com/mattya/chainer-gogh/master/sample_images/style_1.png" height="150px">
+<img src="https://raw.githubusercontent.com/mattya/chainer-gogh/master/sample_images/im1.png" height="150px">
+
+<img src="https://raw.githubusercontent.com/mattya/chainer-gogh/master/sample_images/style_2.png" height="150px">
+<img src="https://raw.githubusercontent.com/mattya/chainer-gogh/master/sample_images/im2.png" height="150px">
+<img src="https://raw.githubusercontent.com/mattya/chainer-gogh/master/sample_images/style_3.png" height="150px">
+<img src="https://raw.githubusercontent.com/mattya/chainer-gogh/master/sample_images/im3.png" height="150px">
+
+<img src="https://raw.githubusercontent.com/mattya/chainer-gogh/master/sample_images/style_4.jpg" height="150px">
+<img src="https://raw.githubusercontent.com/mattya/chainer-gogh/master/sample_images/im4.png" height="150px">
+<img src="https://raw.githubusercontent.com/mattya/chainer-gogh/master/sample_images/style_5.png" height="150px">
+<img src="https://raw.githubusercontent.com/mattya/chainer-gogh/master/sample_images/im5.png" height="150px">
+
+<img src="https://raw.githubusercontent.com/mattya/chainer-gogh/master/sample_images/style_6.png" height="150px">
+<img src="https://raw.githubusercontent.com/mattya/chainer-gogh/master/sample_images/im6.png" height="150px">
+<img src="https://raw.githubusercontent.com/mattya/chainer-gogh/master/sample_images/style_7.png" height="150px">
+<img src="https://raw.githubusercontent.com/mattya/chainer-gogh/master/sample_images/im7.png" height="150px">
+
+(VGG, lam=0.0075, after 5000 iteration)
+
+## Usage:
+### Chainerをインストール
+```
+pip install -r requirements.txt
+```
+詳しくはhttps://github.com/pfnet/chainer
+
+### モデルをダウンロード
+* NIN https://gist.github.com/mavenlin/d802a5849de39225bcc6
+
+お手軽。(`-m nin`)
+* VGG https://gist.github.com/ksimonyan/211839e770f7b538e2d8#file-readme-md
+
+きれいな絵がかけるがとても重い。(`-m vgg`, `-m vgg_chainer`)
+vgg_chainerではモデルのダウンロードの必要はなく、初回を除いて非常に高速でロードできるようになります(chainer 1.19以降で動作)。
+
+* GoogLeNet https://github.com/BVLC/caffe/tree/master/models/bvlc_googlenet
+
+NIN並に軽く、ポテンシャルもあるはずだが、最適なパラメタがわかっていない。(`-m googlenet`)
+
+* illustration2vec http://illustration2vec.net/   (pre-trained model for tag prediction, version 2.0)
+
+VGGより軽く、二次元画像にとても強いはずだが、最適なパラメタがわかってない。(`-m i2v`)
+
+### CPU実行
+```
+python chainer-gogh.py -m nin -i input.png -s style.png -o output_dir -g -1
+```
+
+### GPU実行
+```
+python chainer-gogh.py -m nin -i input.png -s style.png -o output_dir -g GPU番号
+```
+
+### VGG実行サンプル
+```
+python chainer-gogh.py -m vgg_chainer -i input.png -s style.png -o output_dir -g 0 --width 256
+```
+
+### モデルの指定方法
+```
+-m nin
+```
+のninを、vgg, vgg_chainer, googlenet, i2vに切り替えることが可能。
+モデルファイルはディレクトリ直下に置いて、デフォルトの名前のまま変えないこと。
+
+### 複数枚同時生成
+* まず、input.txtというファイル名で、以下の様なファイルを作る。
+```
+input0.png style0.png
+input1.png style1.png
+...
+```
+そして、chainer-gogh-multi.pyの方を実行
+```
+python chainer-gogh-multi.py -i input.txt
+```
+VGGを使うときはGPUのメモリ不足に注意
+
+## パラメタについて
+* `--lr`: 学習速度。生成の進捗が遅い時は大きめにする
+* `--lam`: これを上げるとinput画像に近くなり、下げるとstyle画像に近くなる
+* alpha, beta: 各層から伝播させる誤差にかかる係数。models.pyの中でハードコードされている。
+
+## 注意
+* 現在のところ画像は正方形に近いほうがいいです

README.md

@@ -1,7 +1,6 @@
 # chainer-gogh
-
-## Implementation of "A neural algorithm of Artistic style" (http://arxiv.org/abs/1508.06576)
-## 解説記事: https://research.preferred.jp/2015/09/chainer-gogh/
+Implementation of "A neural algorithm of Artistic style" (http://arxiv.org/abs/1508.06576) in Chainer. The Japanese readme can be found [here](README-ja.md).
+## Accompanying article: https://research.preferred.jp/2015/09/chainer-gogh/
 
 <img src="https://raw.githubusercontent.com/mattya/chainer-gogh/master/sample_images/cat.png" height="150px">
 
@@ -26,70 +25,72 @@
 <img src="https://raw.githubusercontent.com/mattya/chainer-gogh/master/sample_images/style_7.png" height="150px">
 <img src="https://raw.githubusercontent.com/mattya/chainer-gogh/master/sample_images/im7.png" height="150px">
 
-(VGG, lam=0.0075, after 5000 iteration)
+(VGG, lam=0.0075, after 5000 iterations)
 
 ## Usage:
-### Chainerをインストール
+### Install Chainer
 ```
-pip install chainer
+pip install -r requirements.txt
 ```
-詳しくはhttps://github.com/pfnet/chainer
+See https://github.com/pfnet/chainer for details.
 
-### モデルをダウンロード
+### Download the model(s)
+There are multiple models to chose from:
 * NIN https://gist.github.com/mavenlin/d802a5849de39225bcc6
 
-お手軽。(`-m nin`)
+Simply specify: (`-m nin`)
 * VGG https://gist.github.com/ksimonyan/211839e770f7b538e2d8#file-readme-md
 
-きれいな絵がかけるがとても重い。(`-m vgg`)
+With VGG, it takes a long time to make good looking images. (`-m vgg`, `-m vgg_chainer`)
+
+After downloading and using the vgg_chainer model for the first time, all subsequent uses will load the model very fast.(functionality available in chainer 1.19 and above).
 
 * GoogLeNet https://github.com/BVLC/caffe/tree/master/models/bvlc_googlenet
 
-NIN並に軽く、ポテンシャルもあるはずだが、最適なパラメタがわかっていない。(`-m googlenet`)
+About the same as NIN, but there should be potential for good images. The optimum parameters are unknown. (`-m googlenet`)
 
 * illustration2vec http://illustration2vec.net/   (pre-trained model for tag prediction, version 2.0)
 
-VGGより軽く、二次元画像にとても強いはずだが、最適なパラメタがわかってない。(`-m i2v`)
+Lightweight compared to VGG, should be good for illustrations/anime drawings. Optimal parameters are unknown. (`-m i2v`)
 
-### CPU実行
+### Run on CPU
 ```
 python chainer-gogh.py -m nin -i input.png -s style.png -o output_dir -g -1
 ```
 
-### GPU実行
+### Run on GPU
 ```
-python chainer-gogh.py -m nin -i input.png -s style.png -o output_dir -g GPU番号
+python chainer-gogh.py -m nin -i input.png -s style.png -o output_dir -g <GPU number>
 ```
 
-### VGG実行サンプル
+### Stylize an image with VGG
 ```
-python chainer-gogh.py -m vgg -i input.png -s style.png -o output_dir -g 0 --width 256
+python chainer-gogh.py -m vgg_chainer -i input.png -s style.png -o output_dir -g 0 --width 256
 ```
 
-### モデルの指定方法
+### How to specify the model
 ```
 -m nin
 ```
-のninを、vgg, googlenet, i2vに切り替えることが可能。
-モデルファイルはディレクトリ直下に置いて、デフォルトの名前のまま変えないこと。
+It is possible to change from nin to vgg, vgg_chainer, googlenet or i2v. To do this, put the model file in the working directory, keeping the default file name.
 
-### 複数枚同時生成
-* まず、input.txtというファイル名で、以下の様なファイルを作る。
+### Generate multiple images simultaneously
+* First, create a file called input.txt and list the input and output file names:
 ```
 input0.png style0.png
 input1.png style1.png
 ...
 ```
-そして、chainer-gogh-multi.pyの方を実行
+then, run chainer-gogh-multi.py:
 ```
 python chainer-gogh-multi.py -i input.txt
 ```
-VGGを使うときはGPUのメモリ不足に注意
+The VGG model uses a lot of GPU memory, be careful!
 
-## パラメタについて
-* `--lr`: 学習速度。生成の進捗が遅い時は大きめにする
-* `--lam`: これを上げるとinput画像に近くなり、下げるとstyle画像に近くなる
-* alpha, beta: 各層から伝播させる誤差にかかる係数。models.pyの中でハードコードされている。
+## About the parameters
+* `--lr`: learning rate. Increase this when the generation progress is slow.
+* `--lam`: increase to make the output image similar to the input, decrease to add more style.
+* alpha, beta: coefficients relating to the error propagated from each layer. They are hard coded for each model.
 
-## 注意
-* 現在のところ画像は正方形に近いほうがいいです
+## Advice
+* At the moment, using square images (e.g. 256x256) is best.

chainer-gogh-multi.py

@@ -103,7 +103,7 @@ def generate_image(img_orig, img_style, width, nw, nh, max_iter, lr, img_gen=Non
             img_gen = xp.random.uniform(-20,20,(batch_size,3,width,width),dtype=np.float32)
             img_gen[:,:,:,:] = img_gen_
         else:
-            img_gen = np.random.uniform(-20,20,(batch_size,3,width,width)).astype(np.float32)
+            img_gen_ = np.random.uniform(-20,20,(3,width,width)).astype(np.float32)
             img_gen = np.random.uniform(-20,20,(batch_size,3,width,width)).astype(np.float32)
             img_gen[:,:,:,:] = img_gen_
     x = Variable(img_gen)

requirements.txt

@@ -0,0 +1,7 @@
+chainer==1.20.0
+filelock==3.0.4
+nose==1.3.7
+numpy==1.15.0
+Pillow==5.2.0
+protobuf==3.6.1
+six==1.11.0