ADD file via upload
本项目包含了第二届计图挑战赛计图 - 风景图片生成赛题的代码实现。本项目的特点是:采用了pix2pix对一万张已经制作好语义分割图的图片进行训练,得到一个可根据语义生成图片的GAN模型。
本项目可在 1 张 P100 上运行,训练时间约为 49 小时(训练200个epoch)。
预训练模型下载地址为
链接: https://pan.baidu.com/s/1TPXHnkAkgNgI9thHfbbbeA?pwd=vqhb
提取码: vqhb
下载后放入代码执行的目录下result的saved_models文件夹中。
单卡训练可运行以下命令:
python ./pix2pix.py --output_path ./results/single_gpu --batch_size 32 --data_path ./data --n_epochs 200 --epoch 0
生成测试集上的结果可以使用训练命令,默认在完成预定的epoch数目后会生成一份测试数据集的推理结果。
此项目基于论文 A Style-Based Generator Architecture for Generative Adversarial Networks 实现,部分代码参考了 jittor-gan。
jittor
©Copyright 2023 CCF 开源发展委员会 Powered by Trustie& IntelliDE 京ICP备13000930号
Jittor 风景图片生成赛题
简介
本项目包含了第二届计图挑战赛计图 - 风景图片生成赛题的代码实现。本项目的特点是:采用了pix2pix对一万张已经制作好语义分割图的图片进行训练,得到一个可根据语义生成图片的GAN模型。
安装
本项目可在 1 张 P100 上运行,训练时间约为 49 小时(训练200个epoch)。
运行环境
预训练模型
预训练模型下载地址为
链接: https://pan.baidu.com/s/1TPXHnkAkgNgI9thHfbbbeA?pwd=vqhb
提取码: vqhb
下载后放入代码执行的目录下result的saved_models文件夹中。
训练
单卡训练可运行以下命令:
推理
生成测试集上的结果可以使用训练命令,默认在完成预定的epoch数目后会生成一份测试数据集的推理结果。
致谢
此项目基于论文 A Style-Based Generator Architecture for Generative Adversarial Networks 实现,部分代码参考了 jittor-gan。