CycleGAN_and_pix2pix

模型概述

CycleGAN_and_pix2pix网络源于论文Image-to-Image Translation with Conditional Adversarial Networks

本仓库为CycleGAN_and_pix2pix的MLU实现，GPU实现可参考仓库: https://github.com/junyanz/pytorch-CycleGAN-and-pix2pix/tree/003efc4c8819de47ff11b5a0af7ba09aee7f5fc1

支持情况

模型训练支持情况

模型推理支持情况

默认参数配置

模型训练默认参数

Optimizer

模型默认优化器为Adam，参数配置如下：

• Learning Rate: 0.0002 for batch size 1
• beta_1=0.5, beta_2=0.999
• Epoch:200

环境依赖

• Linux常见操作系统版本(如Ubuntu16.04，Ubuntu18.04，CentOS7.x等)，安装docker(>=v18.00.0)应用程序；
• 服务器装配好寒武纪计算板卡MLU370-X8;
• Cambricon Driver >=v4.20.6；
• CNToolKit >=2.8.3;
• CNNL >=1.10.2;
• CNCL >=1.1.1;
• CNLight >=0.12.0;
• CNPyTorch >= 1.3.0;
• 若不具备以上软硬件条件，可前往寒武纪云平台注册并试用@TODO

快速使用指南

文件说明

• run_scripts/ 包含一键训练和推理的shell脚本文件
• models/ 包含原始模型仓库文件
  • ./data/ 载入和打包训练数据
  • ./datasets/ 数据集下载脚本
  • ./docs/ 文档
  • ./models/ 训练模型
  • ./options/ 训练超参
  • ./scripts/ 测试脚本
  • ./util/ 脚本中用到的帮助函数
  • ./train.py 模型训练脚本，更多信息使用python train.py -h查看
  • ./test.py 测试训练的模型脚本, 更多信息使用python test.py -h查看

准备数据集

下载数据集facades：

bash ./datasets/download_pix2pix_dataset.sh facades

其他数据集可参考models/README_origin.md。 指定数据集和模型权重路径：

export PYTORCH_TRAIN_DATASET=/path/to/dataset
export PYTORCH_TRAIN_CHECKPOINT=/path/to/ckpt

环境准备

基于base docker image安装

1. 导入镜像

##下载Cambricon PyTorch docker镜像
docker load -i xxx.tar.gz

2. 启动测试容器（指定镜像名）

export IMAGE_NAME=YOUR_IMAGE_NAME
bash run_docker.sh [CONTAINER_NAME]

3. 配置容器环境

source env.sh
source /torch/venv3/pytorch/bin/activate
pip install -r ./models/requirements.txt

使用Dockerfile 准备环境

1. 构建 docker 镜像

export IMAGE_NAME=demo_pix2pix
docker build --network=host -t $IMAGE_NAME -f DOCKERFILE ../../../../

2. 创建并启动容器（请自行指定数据集和权重挂载目录）

docker run -it --ipc=host -v /data:/data -v /usr/bin/cnmon:/usr/bin/cnmon --device /dev/cambricon_ctl --privileged --name mlu_pix2pix --network=host $IMAGE_NAME

3. 配置容器环境

source env.sh
source /torch/venv3/pytorch/bin/activate

执行训练或推理脚本

bash run_scripts/pix2pix_FP32_200E_1MLU_Train.sh

一键训练脚本

一键推理脚本

Attention: 执行推理脚本前需自行训练得到模型权重，训练得到的权重默认路径：./models/checkpoints/facades_pix2pix_resnet_9blocks

免责声明

您明确了解并同意，以下链接中的软件、数据或者模型由第三方提供并负责维护。在以下链接中出现的任何第三方的名称、商标、标识、产品或服务并不构成明示或暗示与该第三方或其软件、数据或模型的相关背书、担保或推荐行为。您进一步了解并同意，使用任何第三方软件、数据或者模型，包括您提供的任何信息或个人数据（不论是有意或无意地），应受相关使用条款、许可协议、隐私政策或其他此类协议的约束。因此，使用链接中的软件、数据或者模型可能导致的所有风险将由您自行承担。

Release_Notes

@TODO