• Jittor 风格及语义引导的风景图片生成赛道 baseline
• • 简介
  • 安装
  • • • 运行环境
      • 安装依赖
      • 预训练模型
  • 数据预处理
  • 训练
  • 推理
  • 致谢
  • 注意事项

Jittor 风格及语义引导的风景图片生成赛道 baseline

| 标题名称包含赛题、方法

｜展示方法的流程特点或者主要结果等

简介

| 简单介绍项目背景、项目特点

本项目包含了第二届计图挑战赛计图 - 草图生成风景比赛的代码实现。本项目的特点是：采用了 XX 方法对 YY 处理，取得了 ZZ 的效果。

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 2 张 2080 上运行，训练时间约为 6 小时。

运行环境

• ubuntu 20.04 LTS
• python >= 3.7
• jittor >= 1.3.0

安装依赖

执行以下命令安装 python 依赖

pip install -r requirements.txt

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：

bash scripts/prepross.sh

训练

｜ 介绍模型训练的方法

单卡训练可运行以下命令：

bash scripts/train.sh

多卡训练可以运行以下命令：

bash scripts/train-multigpu.sh

推理

｜ 介绍模型推理、测试、或者评估的方法

生成测试集上的结果可以运行以下命令：

bash scripts/test.sh

致谢

| 对参考的论文、开源库予以致谢，可选

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。

注意事项

点击项目的“设置”，在Description一栏中添加项目描述，需要包含“jittor”字样。同时在Topics中需要添加jittor。