
introduction
. : " ", "", "Russian doomer music" . , , - , . , . , - ? .
, , , - . , , , , , , , . - .

, python- vk_api. api , . :
import os
import vk_api
import urllib.request
def captcha_handler(captcha):
print (f"url: {captcha.get_url()}\n")
key = input("Enter captcha code: ")
return captcha.try_again(key)
def auth_handler():
code = input("Enter 2FA code: ")
return (code, True)
def save_post_pictures(post, imgfolder, imres):
pictures = []
if not os.path.exists(imgfolder):
os.makedirs(imgfolder)
for attachment in post['attachments']:
if attachment['type'] == 'photo':
photo = attachment['photo']
for size in photo['sizes']:
if size['type'] == imres:
url = size['url']
filename = ('_'.join(url.split('/')[-2:])).split('?')[0]
urllib.request.urlretrieve(url, os.path.join(imgfolder, filename))
pictures.append(filename)
return pictures
phone = input("phone ")
password = input("password ")
domain = 'plattenbauten' # vk.com/plattenbauten
sess = vk_api.VkApi(phone, password, captcha_handler=captcha_handler, auth_handler=auth_handler)
sess.auth()
api = sess.get_api()
posts = api.wall.get(domain=domain, count=1)['items']
save_post_pictures(posts[0], domain, 'z') # https://vk.com/dev/photo_sizes - z
100 . , . EfficientDet ( , , .., ), - NLP NLTK - . 10 .
Stylegan2 . (, , ) . , - Google Colab ( ).
- .tfrecord ( readme). , tfrecord- , Colab . , , 10 10241024, .tfrecord . , stylegan2 .tfrecord-, .

Google Colab 10241024. , " ".

- . - ( mubert). .
, . , ( 512) ( , ), . ( ) , . generate.py , , , .
Avec l'avènement d'architectures comme stylegan, l'art génératif prend de l'ampleur - certains ont même réussi à vendre des peintures génératives pour des centaines de dollars sans écrire une seule ligne de code. J'espère que cet article amènera quelqu'un d'autre à l'idée d'utiliser les réseaux de neurones dans l'art, d'autant plus que des services comme Colab réduisent considérablement le seuil d'entrée et les coûts pour obtenir des résultats intéressants.

Liens
Neurossie à VK
Réseau de neurones Stylegan2-ada
API de wrapper Python