/jittor-Deper-Landscape-Image-Generation

Primary LanguagePythonApache License 2.0Apache-2.0

风景图片生成赛题b榜代码

图像生成任务一直以来都是十分具有应用场景的计算机视觉任务，从语义分割图生成有意义、高质量的图片仍然存在诸多挑战，如保证生成图片的真实性、清晰程度、多样性、美观性等。

部署

  1. 运行环境
  • ubuntu 20.04 LTS
  • python >= 3.7
  • jittor >= 1.3.0
  • jimm
  1. Jimm库使用
  • 用于Jittor框架加载预训练模型
  • 用到的预训练模型有tf_efficientnet_b5,tf_efficientnet_b6,vit_base_patch16_384,vit_base_patch16_224_in21k,swin_base_patch4_window7_224_in22k
  1. Jimm安装(训练需要，测试不需要)，以下给出两种安装方式 3.1 指定目录安装
  • 下载开源链接到与train.py文件同目录，解压项目名称命为jimm

3.2 系统安装

  • version.py及setup.py存在与train.py代码文件同目录
  • 下载开源链接到与train.py文件同目录，解压项目名称命为jimm
  • python setup.py install
  • 成功后可删除目录下version.py、setup.py、jimm文件
  1. requirements.txt文件
  • 文件中指定了相应的版本，但不是必须
  1. 训练准备及脚本参考命令
  • 实验室显卡配置为四卡3090Ti, 训练时间为4~5天
  • CUDA_VISIBLE_DEVICES=0,1,2,3 python train.py --input_path /data/comptition/jittor/data/train --output_path ./results/
  • 显存小于20G, batch_size需调小为2或1
  1. 测试脚本模型权重准备及脚本参考命令
  • 3个模型权重在model文件夹下
  • CUDA_VISIBLE_DEVICES=0,1 python test.py --input_path /data/comptition/jittor/data/val_B-labels-clean --model_path ./model/ --output_path ./results/