【软件】waifu2x-caffe——图片放大神器

• 一、项目地址
• 二、介绍
• 三、使用说明
  

  ---

一、项目地址

waifu2x 项目 GitHub 地址：https://github.com/nagadomi/waifu2x
waifu2x 在线版网址：http://waifu2x.udp.jp/
waifu2x-caffe 项目 GitHub 地址：https://github.com/lltcggie/waifu2x-caffe
waifu2x-converter-glsl 项目 GitHub 地址：https://github.com/ueshita/waifu2x-converter-glsl
N 卡 cuDNN 下载地址：https://developer.nvidia.com/cuDNN
博主备份版本（因 NVIDIA 相关许可，均不携带 cuDNN 加速文件，需自行去上面官网注册账号下载使用）：
waifu2x-caffe ver 1.1.8.4.rar: 点击此处跳转
waifu2x-caffe ver 1.2.0.2.rar: 点击此处跳转

二、介绍

1、waifu2x 是一个可以将低分辨率的动漫插画图片放大并尽可能保证无损的软件。同时也支持真实照片转换，但细节效果可能会有所差异。
该项目是作者将一个图像拉伸算法基于人工智能神经网络运算并对其进行训练后形成的。其中 waifu2x 是该项的源码，同时作者提供了一个可以在线使用的网页版：点击此处跳转，但是在线版上传文件大小不得超过 5M，可放大图像的最大尺寸为 15001500px，可降噪图像的最大尺寸为 30003000px，同时只支持最大放大两倍等等限制。

2、由于在线版有上述这么多的限制，所以就有人根据该算法制作了 waifu2x-caffe 这个本地使用的软件。
软件界面图：

该版本是对于 NVDIA 显卡有所优化的，在拥有 N 卡的机器上其会使用 N 卡的 CUDA 模式使 GPU 转换速度非常之快，而对于非 N 卡用户则只能使用 CPU 进行运算，速度相比之下会比较的慢。对于 A 卡用户可以使用 waifu2x-converter-glsl （点击此处跳转）这个软件，但笔者的电脑是 N 卡所以也没有使用过这个软件，A 卡用户可以尝试一下。

三、使用说明

1、关于 cuDNN 加速
首先要确保你的显卡是 NVIDIA 家的显卡，打开软件后点击 cuDNN 检查，若提示你无法使用 cuDNN（如下图）则表明你需要下载相应的驱动文件。

首先去上面文章最上面提供的 N 卡 cuDNN 下载地址下载相应的驱动文件，因为相关许可的原因，不允许提供分发下载所以请去官网自行下载。下载之前会要求你注册，并且填写一个小的调查问卷。下载时的选择请注意你需要根据你的操作系统和上图错误提示所缺的 dll 文件来进行下载，因为里面有很多选择（如下图）。

关于下载版本的选择，你会看到多少多少的cuDNN for CUDA XX。关于 CUDA 你需要去此处点击跳转查看 CUDA 对应的 N 卡驱动版本支持（如下图）。再根据这个来下载相应的 cuDNN，我这里下载的是for CUDA 10.1因为我的显卡驱动最高也只到 426 的版本而已。

下载完后解压相应文件并找到提示所需的 dll 文件（如我这里需要的是 cudnn64_7.dll），将其拷贝到你的 waifu-caffe 文件夹当中，之后重启软件再次进行 cuDNN 检查，提示可以使用则代表配置完成。

若提示初始化失败，则需要考虑你的显卡驱动是否过低或者不支持(查看上面所写的如何选择下载版本）等问题。若不行可以考虑使用 CPU 来进行处理，缺点则是处理速度相对会有所下降。

2、关于使用
waifu2x-caffe 提供的选择还是比较多的，有一些我也不是很明白，只能说个大概而已。
首先是转换模式，降噪可以去除噪点，仅放大则是仅仅放大而不进行额外的降噪处理，会更快。自动降噪和放大这个选项据使用过的网友说基本上没有任何的效果（存疑），所以不太推荐选择？降噪等级一般选择 2-3 左右，当然等级越高处理速度越慢。放大尺寸自己定。模型根据你想放大的图片来选择，一般动漫插画类图片默认选择2D 插图 — RGB 模型即可。TTA 模式全拼为 Test-Time Augmentation（数据增强），使用这个模式可能会导致处理速度变慢 8 倍，但是可以让 PSNR（峰值信噪比）上升 0.15 左右，可以理解为使用此模式可以让画质得到肉眼几乎无法察觉的提升。拆分尺寸与批尺寸影响处理速度，一般来说拆分尺寸越大则需要的性能越高，若过高会导致报错中断。拆分尺寸，批尺寸与显存的使用量，cuDNN 加速提升效果可以去作者 GitHub 项目上自行查看，作者有做相应的详细对比说明（日语）。应用设置中可以选择处理器，若为 A 卡用户，或 N 卡不支持 CUDA 的则可以考虑处理器处选择试用 CPU 来进行处理。