2021年，NFT数字艺术品和数字藏品迅速出圈，在这场浪潮中，2017年成立的“加密朋克”项目因其收藏者的知名度和不断刷新的成交价，升值成为最具价值的收藏品之一，更成为了先锋投资者和艺术收藏者身份的象征。
图片来源：larvalabs
多个NFT数字艺术品项目的成功，也将AI生成数字艺术品推至台前。在这场“出圈浪潮”中，很多艺术家选择用AI技术作为图像创造的工具，最终再将艺术品铸造为NFT，使用AI技术进行NFT数字艺术品创作的可能性被充分发掘。与艺术生成有关的AL/ML工作专注于艺术风格的创造，很多团队和个人也关注到艺术品，通过生成对抗网络“批量”生成特定风格的作品。
最近有一个名为“CryptoPunksGAN”的项目发布在Github上，用于生成CryptoPunks的简单SN-GAN，项目地址：https://github.com/teddykoker/cryptopunks-gan?。这个项目用Python完成，我们通过矩池云?www.matpool.com?对其进行了复现。矩池云提供面向元宇宙的解决方案，创作者可以使用平台轻松训练和部署其AI模型，加速元宇宙中的如NLP虚拟人、图像内容生成等环节的过程。本次用机器学习生成CryptoPunks项目的复现，上手过程非常简单，不需要任何安装和调试，打开界面就能在云端就感受到生成艺术的创作过程。
分析项目依赖，租用机器
分析项目依赖环境
首先通过开源项目的requirements.txt文件，我们知道该项目主要需要Pytorch1.10.2和CUDA11.3环境，另外还需要pandas、Pillow等第三方包，如果将其在本地安装我们还是需要花一定的时间的，不过我们不需要这些复杂的步骤。
最近5分钟合约市场爆仓1152万美元 BTC爆仓1143万美元:据合约帝行情统计报告显示：最近5分钟合约市场全网总计爆仓1152万美元，其中BTC爆仓1143万美元。[2020/10/31 11:19:46]
分析项目依赖环境
我们进入矩池云，如果你还没有注册过账号，可以先注册一个账号，新注册用户关注并绑定矩池云微信公众号可获赠5元体验金，体验金在租用机器时直接抵扣。
在矩池云租用合适的机器
在矩池云的主机市场，我们可以选择需要使用到的机器，这里我们就选最便宜的NVIDIATeslaK80。
选择机器
点击租用按钮后，我们可以对机器进行配置：
1选择基础镜像，我们直接搜索Pytorch1.10
2发现有相关镜像，并且其他依赖如CUDA11.3也符合要求，点击选择即可
3选择好镜像后，我们可以进行其他配置，如：VNC功能开启、公钥设置、高级选项中的自定义端口等
BTC在15分钟内跌幅超过1.00%:据火币全球站数据显示，BTC/USDT在15分钟内出现剧烈波动，跌超1.00%，达到-1.05%。当前报价为 8759.91 美元，行情波动较大，请注意风险控制。[2020/5/2]
选择镜像
设置好机器基本环境，我们点击下单即可。
下载代码、数据及模型
租用好机器后，我们选择最简单的使用方法，直接点击租用界面的JupyterLab连接，即可快速使用服务器。
打开JupyterLab
进入JupyterLab页面后，我们先点击Terminal进入终端，并输入下面指令。
打开Terminal
我们只需把上方代码复制粘贴即可，当出现Checkingoutfiles:?100%即代表下载开源项目CryptoPunks-GAN项目成功，可以进入到下一步。
BTC在5分钟内涨幅超过1.00%:据火币全球站数据显示，BTC/USDT在5分钟内出现剧烈波动，涨超1.00%，达到1.04%。当前报价为5172.50美元，行情波动较大，请注意风险控制。[2020/3/17]
Checkingoutfiles:100%
我们可以了解一下刚才输入这段代码的含义，它代表着
先进入/mnt目录
新建一个文件夹MyCode并进入文件夹
gitclone下载开源项目cryptopunks-gan
使用模型和训练
使用预训练模型测试
我们进入到cryptopunks-gan项目目录。具体方式为，找到名为mnt的文件夹
mnt文件夹
进入到MyCode，再进入到cryptopunks-gan
路径
然后点击左上角+新建一个Launcher，点击Notebook中的myconda。即可新建一个jupyternotebook文件。
行情丨ETH在5分钟内涨幅超过1.00%:据火币全球站数据显示，ETH/USDT在5分钟内出现剧烈波动，涨超1.00%，达到1.12%。当前报价为 213.28 美元，行情波动较大，请注意风险控制。[2019/7/18]
新建ipynb步骤
我们可以先使用预训练好的模型来测试使用，测试使用代码官方已经给我们提供好了。
可以直接复制以下所有代码，或者像我一样一段一段运行
运行按钮如下
运行按钮
运行成功后会在项目目录下生成一个punks.png文件。
行情 | BCH 5分钟涨幅超过1.50%:据火币全球站数据显示，BCH 现报价301.04美元，5分钟内涨幅超过1.50%，波动较大，请做好风险控制[2019/4/6]
punks.png
我们可以直接点击查看预训练结果
训练模型
按照教程，除了使用预训练模型，我们还可以对模型进行训练，训练代码在项目目录的train.py文件中。
我们重新回到JupyterLab的Terminal中
打开Terminal
输入下面指令：
运行过程
这个过程比较漫长，预计1个小时左右，训练完成后默认会在项目目录中生成一个out目录，里面会存放训练好的权重文件和样本图片文件。最终完成训练的图片是序号最大的那张，在这个案例中即编号为999的文件。
out目录
此时回到“我的网盘”，即可看到out文件夹，刚才的训练过程和结果图片都在其中。
我的网盘
在训练使用过程中你还可以查看机器监控，看机器的GPU、内存等使用情况。
机器使用情况
释放机器
当你的代码都跑完，不需要使用机器时，可以选择释放机器。
在机器租用页面，你可以看到释放机器按钮，在更多按钮中你还可以看到保存环境功能。
释放和保存环境
如果你在基础环境中还安装了一些其他包，并且想在下次使用的时候想继续使用，你可以选择保存环境，保存的环境会存放在你的网盘中。
如果不需要保存环境，直接点击释放机器即可。
以下一部分为epoch训练后生成的图片：
训练最终的完成图如下
GANs生成图
关于GANs
IanGoodfellow等人在2014年的一篇论文中首次提出生成对抗网络，它的实现方式是通过同时使用生成模型和判别模型，两个模型相互竞争，从而训练出图片。这一过程可以这样简单解释，生成模型的作用类似于一个人不断地创造假的《蒙娜丽莎》，他要在创造过程中不断提升其和真画的相似度，判别模型则类似于鉴别师，他负责鉴别和确认假画。两个人相互竞争，双方提升各自的创造方法和鉴别方法，直到假画达到与真画难以区分的程度。
在CrypoPunksGAN项目中所用到的算法是SN-GAN，即SpectralNormalizationforGenerativeAdversarialNetwork，训练过程更稳定，更容易收敛，文献内容可参考?https://arxiv.org/abs/1802.05957?。
郑重声明： 本文版权归原作者所有， 转载文章仅为传播更多信息之目的， 如作者信息标记有误， 请第一时间联系我们修改或删除， 多谢。