ADD file via upload
| 简单介绍项目背景、项目特点
本项目包含了第四届计图人工智能挑战赛热身赛起个什么名字好呢团队的代码实现。
本项目的特点是:采用了 GAN 方法对用户随机ID 19551161950595进行生成,取得了如上生成效果。
| 介绍基本的硬件需求、运行环境、依赖安装方法
本项目可在 1 张 A100 上运行,训练时间约为 16 分钟。
执行以下命令安装 python 依赖
pip install -r requirements.txt
预训练模型模型下载地址为 https:abc.def.gh,下载后放入目录 <root>/weights/ 下。
<root>/weights/
| 介绍数据预处理方法,可选
将数据下载解压到 <root>/data 下,执行以下命令对数据预处理:
<root>/data
bash scripts/prepross.sh
单卡训练可运行以下命令:
bash scripts/train.sh
生成测试集上的结果可以运行以下命令:
bash scripts/test.sh
| 以下对参考的论文、开源库予以致谢, 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。
第四届[计图Jittor]人工智能挑战赛 计图挑战热身赛
©Copyright 2023 CCF 开源发展委员会 Powered by Trustie& IntelliDE 京ICP备13000930号
计图挑战热身赛/起个什么名字好呢
简介
| 简单介绍项目背景、项目特点
本项目包含了第四届计图人工智能挑战赛热身赛起个什么名字好呢团队的代码实现。
本项目的特点是:采用了 GAN 方法对用户随机ID 19551161950595进行生成,取得了如上生成效果。
安装
| 介绍基本的硬件需求、运行环境、依赖安装方法
本项目可在 1 张 A100 上运行,训练时间约为 16 分钟。
运行环境
安装依赖
执行以下命令安装 python 依赖
预训练模型
预训练模型模型下载地址为 https:abc.def.gh,下载后放入目录
<root>/weights/
下。数据预处理
| 介绍数据预处理方法,可选
将数据下载解压到
<root>/data
下,执行以下命令对数据预处理: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运行以下命令:
致谢
| 以下对参考的论文、开源库予以致谢, 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。