К содержимому
Изображения

CycleGAN Horse ↔ Zebra

превращение лошадей в зебр и обратно

2 мин чтенияобновлено

Модель для задачи image-to-image (преобразования одного изображения в другое), которая умеет «перекрашивать» лошадей на фото в зебр и выполнять обратный перевод. В репозитории опубликованы веса двух генераторов архитектуры CycleGAN (генеративно-состязательной сети для непарного переноса стиля) для фреймворков TensorFlow и Keras. Благодаря полносвёрточной архитектуре на базе ResNet с 9 остаточными блоками генератор принимает изображения произвольного разрешения при условии, что стороны кратны 4. Релиз пригодится разработчикам, изучающим классические GAN-архитектуры и перенос доменов на Keras.

Ключевые особенности

  • Два отдельных файла весов: G.weights.h5 переводит лошадей в зебр, а F.weights.h5 — зебр в лошадей.
  • Лёгкий вес: каждый файл весов генератора занимает около 46 MB, веса дискриминаторов в релиз не включены.
  • Гибкое разрешение: полносвёрточная сеть ResNet (свёрточный слой 7x7, два понижения и два повышения размерности, instance norm) работает с любыми размерами сторон, кратными 4.
  • Простая нормализация: входные и выходные тензоры масштабируются в диапазон [-1, 1], активация на выходе — tanh.

Что можно сделать

  • Обработать фотографии лошадей или зебр в простом окружении для стилизации и экспериментов с переносом текстур.
  • Использовать готовые веса в учебных проектах на TensorFlow 2.20 / Keras для разбора работы CycleGAN без необходимости тратить 16 часов на обучение с нуля.
  • Протестировать генерацию через готовое интерактивное демо в Hugging Face Spaces или запустить ноутбук из папки notebooks/ в Google Colab.

Пример

В карточке модели нет готового сниппета с инференсом, но автор подготовил интерактивное приложение на базе этих весов и Colab-ноутбук в связанном GitHub-репозитории. Для работы с моделью напрямую в Keras достаточно загрузить нужный файл весов (G.weights.h5 или F.weights.h5), подать изображение с размерами, кратными 4, приведённое к диапазону [-1, 1], и получить переведённый снимок на выходе.

ПодробнееОбучение: 100 эпох на датасете Horse2Zebra (1 067 фото лошадей и 1 334 фото зебр в разрешении 256×256) на GPU Kaggle T4 (~16 часов, TensorFlow 2.20).
Гиперпараметры: оптимизатор Adam (lr 2e-4, beta1 0.5), batch size 1, least-squares adversarial loss, вес cycle-consistency — 10, identity — 5.
Ограничения: лучше всего работает на крупных планах животных на простом фоне; на дальних планах, стадах и сложных фонах полосы могут смазываться, при переводе зебры в лошадь иногда остаётся слабая текстура полос, а на очень больших фото полосы становятся более мелкими и неоднородными.
Обсудить Telegram 0

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 0.0 GB · готовые файлы1.5 GB
  • FP8 / INT8рекомендуемвеса 0.0 GB1.5 GB
  • 4-bitвеса 0.0 GB1.5 GB

Совет: берите 8-bit.FP8 / INT8 почти не отличается по качеству от полной точности (разница в пределах процента), а памяти занимает вдвое меньше и на RTX 40/50, H100 работает быстрее. Полную точность есть смысл брать только для дообучения.

Что взять под эту модель

Massed ComputeОткрыть Massed Compute

Своя видеокарта: FP8 / INT8 — от RTX 2060 · BF16 — от RTX 2060

Почасовые цены Massed Compute на ноябрь 2026. Цена со скидкой — с промокодом при оплате.

Оценка: веса плюс рабочая память. Длинные ролики, высокое разрешение и большой контекст требуют больше.

Запуск на Massed Compute

Скрипт скачает модель на арендованную машину. Как её запустить — в карточке модели.

  1. 1. Арендуйте машину с подходящей видеокартой

    Открыть Massed Compute
  2. 2. Вставьте скрипт в терминал машины

    Подключитесь по SSH (команда есть в панели Massed Compute) или откройте терминал на рабочем столе машины.

    HF_TOKEN / CIVITAI_TOKENВ начале скрипта строки для токенов: вставьте свой между кавычками. Токен Hugging Face нужен для закрытых моделей, токен Civitai — для моделей с Civitai.

    # Tahir64506/cyclegan-horse-zebra-weights
    mkdir -p ~/models
    curl -LsSf https://astral.sh/uv/install.sh | sh
    source "$HOME/.local/bin/env"
    uv tool install "huggingface_hub[cli]"
    hf download Tahir64506/cyclegan-horse-zebra-weights --local-dir ~/models/cyclegan-horse-zebra-weights
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к cyclegan-horse-zebra-weights
  3. 3. Пользуйтесь

    Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).

Не забудьте остановить машину в панели, когда закончите: оплата идёт поминутно, пока она включена.

Как ускорить

Подобрано под тип модели. Выберите своё железо в блоке выше — покажем то, что подходит именно вам.

  • SageAttention 3v2.2.0от 28 октября 2025

    ещё быстрее на RTX 50 / Blackwell

    FP4-внимание для Blackwell. Быстрее SageAttention 2, но авторы советуют 2-ю версию, когда важна точность.

    Как включить: Сборка из папки sageattention3_blackwell репозитория; в ComfyUI — через KJNodes.

    Предыдущие поколения (2)
    • SageAttention 2++ — Квантованное (INT8/FP8) внимание без заметной потери качества. Главное ускорение для генерации картинок и видео.
    • SageAttention 1 — Первая версия: INT8 для Q·K. Работает и на старых сборках, но 2++ быстрее и точнее.
  • FlashAttention 44.0.0b40от 18 ноября 2026новая версия

    самое быстрое точное внимание на B200

    Ядра для Blackwell (пока бета). Точное внимание без квантования — подходит для всего, включая LLM.

    Как включить: pip install flash-attn-4; vLLM и SGLang подхватывают сами.

    Предыдущие поколения (3)
    • FlashAttention 3 — Версия для Hopper (H100/H200) с FP8.
    • FlashAttention 2 — Стандарт для RTX 30/40/50 и A100: точное внимание без лишней памяти на длинных контекстах.
    • xFormers — Старый способ ускорить внимание, работает почти везде. Если есть Sage или Flash — они быстрее.
  • cache-dit (DBCache)v1.5.6от 20 ноября 2026новая версия

    1.5–3× при почти том же качестве

    Переиспользует результаты блоков между шагами диффузии. Поддерживает большинство DiT-моделей.

    Как включить: pip install cache-dit; одна строка cache_dit.enable_cache(pipe) для diffusers.

    Предыдущие поколения (2)
    • MagCache — Пропускает шаги по величине изменений. Точнее TeaCache без калибровки.
    • TeaCache — Первый массовый кэш шагов диффузии. Работает, но новые методы точнее.
  • Nunchaku (SVDQuant 4-bit)v1.2.1от 25 января 2026

    ≈3× быстрее и в 3.5× меньше памяти

    4-битные версии популярных моделей картинок почти без потери качества (FP4 на RTX 50).

    Как включить: Есть готовые веса для поддерживаемых моделей; в ComfyUI — ComfyUI-nunchaku.

  • torch.compile2.15.0от 28 октября 2026новая версия

    10–30% бесплатно

    Компилирует модель под вашу видеокарту. Первый запуск дольше, дальше быстрее.

    Как включить: model = torch.compile(model); в ComfyUI — узел TorchCompileModel.

Семья модели

Новые посты про версии cyclegan-horse-zebra-weights — сжатые, дообучения, LoRA — появятся в колокольчике.

У этой модели пока нет известных родственников. Все производные на Hugging Face

О модели

Tahir64506/cyclegan-horse-zebra-weights
Автор
Tahir64506
Категория
Изображения
Дата выхода
На сайте

На сайте

Hugging Face

00

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии