StyleGAN2的代码和经过训练的模型：https://github.com/NVlabs/stylegan2
有空试用了一下，有一些很浅显的经验分享给大家：
（1）先说说运行的必备环境：
其中，比较触目惊心的是需要有16GB内存的NVIDIA GPU（即：NVIDIA Tesla V100），简单跑了一下它的“run_generator.py”程序，发现我的只有6GB内存的NVIDIA Geforce GTX 1060也可以跑起来。个人感觉，如果不去“训练模型”，只是跑一些简单的应用例子，普通的显卡也可以胜任。
（2）因为StyleGAN2需要安装定制开发的“TensorFlow ops”，所以目前只支持TensorFlow 1.14，如果你默认安装的是TensorFlow 1.15，需要重新安装1.14，例如：
conda uninstall tensorflow
conda install tensorflow=1.14
conda install tensorflow-gpu=1.14
conda install keras
（3）安装定制开发的“TensorFlow ops”，还需要C语言编译器，我的电脑是Windows10 + Visual Studio 2015，通常不用重新设置，但如果Visual Studio没有默认安装在“C：\”盘目录下，需要到“.\dnnlib\tflib\custom_ops.py”里修改一下编译器所在的路径，如：
compiler_bindir_search_path = [
'C:/Program Files (x86)/Microsoft Visual Studio/2017/Community/VC/Tools/MSVC/14.14.26428/bin/Hostx64/x64',
'C:/Program Files (x86)/Microsoft Visual Studio/2019/Community/VC/Tools/MSVC/14.23.28105/bin/Hostx64/x64',
'C:/Program Files (x86)/Microsoft Visual Studio 14.0/vc/bin',
]以上三个目录，分别是Visual Studio 2017、2019、2015的默认目录，可以修改为你自己安装的文件目录。
（4）下载预训练的StyleGAN2人脸模型“stylegan2-ffhq-config-f.pkl”，不方便去drive.google.com下载的朋友，可以到百度网盘下载（364MB）：
百度网盘: https://pan.baidu.com/s/1_cRyamHP_Amj0srCbiB5_g
提取码: cnby
把预训练模型下载后，可放在“.\models”目录下。
（5）修改“pretrained_networks.py”文件，例如：
# 'gdrive:networks/stylegan2-ffhq-config-f.pkl': 'https://drive.google.com/uc?id=1Mgh-jglZjgksupF0XLl0KzuOqd1LXcoE',
'gdrive:networks/stylegan2-ffhq-config-f.pkl': '.\models\stylegan2-ffhq-config-f.pkl',（6）运行：
python run_generator.py generate-images --network=gdrive:networks/stylegan2-ffhq-config-f.pkl --seeds=6600-6625 --truncation-psi=0.5
运算的结果放在“.\results”下面，的确如官网所说，在StyleGAN中频繁出现与发梢、耳边、肩头等处的斑点似的伪影(artifacts)彻底消除了，人像背景也显得更加“干净”，如下图所示：
（7）同步地，StyleGAN2 Encoder也很快发布了，GitHub上的链接是：
https://github.com/rolux/stylegan2encoder
实现的效果如下（这个项目需要11GB内存的GPU，比如：GTX GeForce 2080Ti）：
与Pbaylies版本的StyleGAN Encoder相比，这个版本的StyleGAN2 Encoder没有采用Resnet50对原始图片进行反向预测dlatents，也没有使用vgg16_zhang_perceptual.pkl，因此效果要逊色许多（它仅仅是支持了StyleGAN2而已，连耳朵都没做好），我们可以简单对比一下：
原图 Pbaylies StyeGAN Encoder rolux StyleGAN2 Encoder
期待Pbaylies的更新，来支持StyleGAN2吧！
（完）
后续文章：
轻轻松松使用StyleGAN2（二）：使用run_projector.py将真实人脸投射到StyleGAN2 dlatents空间并重建图像
轻轻松松使用StyleGAN2（三）：一笑倾人城，再笑倾人国：让你的女朋友开心笑起来
轻轻松松使用StyleGAN2（四）：StyleGAN2 Encoder，使用projector_images.py重建高质量人脸图像
轻轻松松使用StyleGAN2（五）：StyleGAN2 Encoder源代码初探+中文注释，projector.py和project_images.py
